Question

我有四列值：＆＃39; A＆＃39;，＆＃39; B＆＃39;＆＃39; C＆＃39;和＆＃39; D＆＃39;和一列包含四个字母中的任何一个。

           Letter    A    B  C    D           max
12063289        D    5    9  0   39             0
12063290        D    3    25 0   79             0
12063291        B    0  232  0    0             0
12063292        A  351    0  0    0             0
12063293        D    0    0  0  394             0

根据字母列的值，我想计算其他三列的最大值。

           Letter    A    B  C    D           max
12063289        D    5    9  0   39             9
12063290        D    3    25 0   79             25
12063291        B    0  232  0   16             16
12063292        A  351    0  200  0             200
12063293        D    0    0  0  394             0

假设上面的数据存储在变量df中，我试图执行以下操作：

import numpy as np
import pandas as pd

columns = {'A':['B','C','D'], 
          'B':['A','C','D'],  
          'C':['A','B','D'],
          'D':['A','B','C']}
for letter in ['A', 'B', 'C', 'D']:
    mask = df.loc[df['Letter']==letter]
    np.max(df[mask][columns[letter]], out=df[mask]['max'])

我基本上希望max函数只能处理屏蔽数据帧的相关列，并写回“最大值”。原始数据帧（df）的列恰好位于正确的位置但是pandas在最后一行抱怨：

ValueError: Must pass DataFrame with boolean values only

问题是如何准确地定位那些行的单元格以接收max（）函数的输出以便不使用不必要的空间（我可以使用apply函数执行此操作，但它占用了大量空间我没有。）

Answer 1

apply

cols = list('ABCD')
df.apply(lambda x: x.loc[cols].drop(x.Letter).max(), 1)

12063289      9
12063290     25
12063291     16
12063292    200
12063293      0
dtype: int64

set_index + query + groupby

d1 = df.set_index(
    'Letter', append=True
)[list('ABCD')].rename_axis('Col', 1).stack().to_frame('value')
d1.query('Letter != Col').groupby(level=0).value.max()

12063289      9
12063290     25
12063291     16
12063292    200
12063293      0
dtype: int64

使用numpy ufuncs修改pandas数据帧

1 个答案: