当数据中缺少值时，Pandas DataFrame max（）和apply（max）返回不同的值

Question

我正在研究使用熊猫进行数据操作的基础知识，并且在进行其中一项练习时，我发现max()方法的工作中有一些奇怪的行为，即数据中缺少值。这是一个玩具示例。

首先创建一个玩具数据

df = pd.DataFrame({'A': [1, np.nan], 'B': [np.nan, 1]})

这是一个2x2的DataFrame。列之间的唯一区别是，第二列的第一行中缺少一个值，而第一列中的第二行中则缺少一个值。

    A   B
0   1.0 NaN
1   NaN 1.0

现在，我尝试以不同的方式在每一列中找到最大值

1. 应用DataFrame.max()方法。

   df.max()        
   

   它提供了我期望得到的结果

   A    1.0
   B    1.0
   dtype: float64
   

2. 使用DataFrame.apply()方法并将max用作此方法的参数

   df.apply(max)
   

   结果是

   A    1.0
   B    NaN
   dtype: float64
   

   这出乎意料的是，据报告B列的最大值为NaN。我认为原因是第一行中的NaN值。

3. 使用DataFrame.apply()方法并将'max'用作此方法的参数

   df.apply('max')
   

   这是预期的结果。

   A    1.0
   B    1.0
   dtype: float64
   

为什么第二种方法的结果与其他两种方法不同？