取DataFrame中某列中最大的数和最小的数

可以使用 pandas 库中的 DataFrame 的 `max()` 和 `min()` 方法对某一列进行计算，比如对 `column_name` 这一列可以使用以下代码实现获取最大值和最小值：

max_val = df['column_name'].max()
min_val = df['column_name'].min()

其中 `df` 是 DataFrame 对象，`column_name` 是需要计算的列的名称。

相关问题

dataframe 某一列小于0的数取相反数

可以使用 pandas 库中的 apply 函数，将小于 0 的数取相反数：

import pandas as pd

# 创建一个示例 dataframe
df = pd.DataFrame({'A': [1, 2, -3, 4, -5]})

# 使用 apply 函数将小于 0 的数取相反数
df['A'] = df['A'].apply(lambda x: -x if x < 0 else x)

print(df)

输出结果为：

   A
0  1
1  2
2  3
3  4
4  5

dataframe取数

### 如何在pandas DataFrame中选取数据

#### 使用`loc`方法按标签选取数据
为了按照行标签来获取指定行的数据，可以使用`loc`属性。此方式允许通过行名或列名列明的方式精确访问DataFrame中的元素[^2]。

import pandas as pd

# 创建一个简单的DataFrame用于示范
df = pd.DataFrame({
    "姓名": ['甲', '乙', '丙'],
    "年龄": [12, 23, 34],
    "性别": ['男', '男', '女']
}, index=['one', 'two', 'three'])

print("原始数据:")
print(df)

# 按照行标签'two'和列标签'姓名'来查找具体单元格的内容
specific_cell = df.loc['two', '姓名']

print(f"\n找到的特定单元格内容为: {specific_cell}")

#### 使用`iloc`基于位置进行索引
当需要依据数值型的位置而非标签来进行定位时，则应该采用`iloc`属性。这种方式适用于那些不熟悉或者不方便记忆确切行/列名称的情况[^4]。

# 获取第二行第三列的数据项 (注意：Python索引起始于0)
cell_by_position = df.iloc[1, 2]

print(f"\n根据位置得到的结果是: {cell_by_position}")

# 提取出整个某一行的所有字段
row_data = df.iloc[1]

print("\n整行的数据如下所示:")
print(row_data)

#### 条件筛选与多条件组合查询
如果想要基于某些逻辑表达式的真假值来过滤出符合条件的记录，那么可以通过传递布尔向量给`.loc[]`完成操作；而对于更复杂的场景比如涉及多个条件的情形，可利用括号分隔各个判断语句并借助逻辑运算符连接起来[^5]。

# 单一条件下的选择——只保留男性成员的信息
male_members = df[df["性别"] == "男"]

print("\n仅限于男性的列表:")
print(male_members)

# 复杂条件下（即满足两个及以上标准）的选择——找出既不是第一个也不是最后一个且年龄大于等于20岁的个体
complex_selection = df[(df.index != 'one') & (df.index != 'three') & (df["年龄"] >= 20)]

print("\n复合条件匹配后的结果集:")
print(complex_selection)