从不同列中获取绝对值的最大值并过滤掉NaN Python

Question

这是我的尝试。例如

df = pd.DataFrame({'a':[5,0,1,np.nan], 'b':[np.nan,1,4,3], 'c':[-3,-2,0,0]})
df.dropna(axis=1).max(axis=1,key=abs)

过滤掉NaN值，但它会得到0或负值，而不是绝对值中的高点

结果应该是一列

5
-2
4
3

Answer 1

我解决了

maxCol=lambda x: max(x.min(), x.max(), key=abs)
df.apply(maxCol,axis=1)

Answer 2

您可以对平方数据使用np.nanargmax：

>>> df.values[range(df.shape[0]),np.nanargmax(df**2,axis=1)]
array([ 5., -2.,  4.,  3.])

Answer 3

df = df.fillna(0)
l = df.abs().values.argmax(axis=1)
pd.Series([df.values[i][l[i]] for i in range(len(df.values))])

In [532]: pd.Series([df.values[i][l[i]] for i in range(len(df.values))])
Out[532]:
0    5
1   -2
2    4
3    3
dtype: float64

一个班轮：

pd.Series([df.values[i][df.fillna(0).abs().values.argmax(axis=1)[i]] for i in range(len(df.values))])

Answer 4

由于我的声誉得分很低，我想在此补充gis20的答案以及安德鲁·哈默尔（Andrew Hamel）有关绝对最小值的问题：

minCol=lambda x: min(x, key=abs)
minCol=lambda x: min([abs(value) for value in x])  

适用于我的数据，但是不能应付np.nan的数据。

Answer 5

最直接，最有效的方法是转换为绝对值，然后找到最大值。 Pandas通过简单的语法（abs和max）支持此操作，并且不需要昂贵的套用操作：

df.abs().max()

max()接受一个axis参数，该参数可用于指定是计算行数还是列数的最大值。