dataframe比较每一列每一行数据大小,选出最大值成为新的一列
时间: 2023-07-04 15:20:49 浏览: 61
好的,针对你的问题,可以使用 Pandas 中的 `max()` 函数来选出每一列的最大值,并使用 `axis=0` 参数指定计算方向为列。然后,使用 `max()` 函数找出每一行的最大值,并使用 `axis=1` 参数指定计算方向为行。最后,将每一行的最大值作为一列添加到 DataFrame 中。下面是示例代码:
```python
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
# 每一列的最大值
max_col = df.max(axis=0)
# 每一行的最大值
max_row = df.max(axis=1)
# 将每一行的最大值作为一列添加到 DataFrame 中
df['max_row'] = max_row
print(df)
```
输出:
```
A B C max_row
0 1 4 7 7
1 2 5 8 8
2 3 6 9 9
```
在这个例子中,我们创建了一个包含 3 列的 DataFrame,然后使用 `max()` 函数分别找出每一列和每一行的最大值,并将每一行的最大值添加到 DataFrame 中作为新的一列。
相关问题
dataframe对每一列数据进行统计
可以使用 Pandas 库中的 `describe()` 方法对 DataFrame 中每一列的数据进行统计。该方法会输出每一列数据的计数、均值、标准差、最小值、25%、50%、75% 和最大值等统计信息。示例如下:
```python
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
# 对每一列数据进行统计
print(df.describe())
```
输出结果为:
```
A B C
count 3.0 3.0 3.0
mean 2.0 5.0 8.0
std 1.0 1.0 1.0
min 1.0 4.0 7.0
25% 1.5 4.5 7.5
50% 2.0 5.0 8.0
75% 2.5 5.5 8.5
max 3.0 6.0 9.0
```
dataframe查看每一列的数据类型
可以使用 pandas 库中的 `dtypes` 属性来查看 DataFrame 的每一列的数据类型。示例代码如下:
```python
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame({
"col1": [1, 2, 3],
"col2": ["a", "b", "c"],
"col3": [1.1, 2.2, 3.3]
})
# 查看每一列的数据类型
print(df.dtypes)
```
输出结果如下:
```
col1 int64
col2 object
col3 float64
dtype: object
```
可以看到,DataFrame 中的第一列是整数类型(`int64`),第二列是字符串类型(`object`),第三列是浮点数类型(`float64`)。