Pandas 是否从数据帧中获取3列的最大值？

我有一个包含3列的熊猫数据框架：

c={'a': [['US']],'b': [['US']], 'c': [['US','BE']]}
df = pd.DataFrame(c, columns = ['a','b','c'])

现在我需要这3列的最大值

我试过：

df['max_val'] = df[['a','b','c']].max(axis=1)

结果是

Nan

而不是预期的输出：

US

如何获取这3列的最大值？（如果其中一个包含

Nan

），该怎么办？

使用：

c={'a': [['US', 'BE'],['US']],'b': [['US'],['US']], 'c': [['US','BE'],['US','BE']]}
df = pd.DataFrame(c, columns = ['a','b','c'])
                  
            
from collections import Counter
df = df[['a','b','c']].apply(lambda x: list(Counter(map(tuple, x)).most_common()[0][0]), 1)
print (df)
0    [US, BE]
1        [US]
dtype: object

---

正如我所看到的，您有一些元素作为列表类型，因此我认为下面提到的代码可以很好地工作

首先，将所有值追加到数组中

然后，从该数组中查找最常出现的元素

---

这将给您一个您想要的答案。

如果它如@Erfan所述，则是一行中最常见的值，然后是

.agg（）

，

模式

df.agg('mode', axis=1)
         0
0  [US, BE]
1      [US]

---

当数据是列表时，不能使用

pandas.mode（）

。因为列表对象是不可损坏的，

mode（）

函数将无法工作。
解决方案是将数据帧行的元素转换为字符串，然后使用

pandas.mode（）

选中此项：

>>> import pandas as pd
>>> c = {'a': [['US','BE']],'b': [['US']], 'c': [['US','BE']]}
>>> df = pd.DataFrame(c, columns = ['a','b','c'])
>>> x = df.iloc[0].apply(lambda x: str(x))
>>> x.mode()
# Answer:
0    ['US', 'BE']
dtype: object
>>> d = {'a': [['US']],'b': [['US']], 'c': [['US','BE']]}
>>> df2 = pd.DataFrame(d, columns = ['a','b','c'])
>>> z =  df.iloc[0].apply(lambda z: str(z))
>>> z.mode()
# Answer:
0    ['US']
dtype: object

---

“最大值”是指所有3列中出现最多的值吗？@Junkrat是的，没错（我希望结果是

US

。数据帧不是设计用来处理每个单元格中的列表的，你能通过以另一种格式获取数据来解决这个问题吗？这样我们可以应用pandas/numpy提供的更优化的方法，而不是为循环编写。我认为非常接近。如果我更改数据帧

c={'a'：['US'，'BE']]，'b'：[['US']]，c:['US'，'BE']}

我希望最大值为['US'，'BE']@JohnDoe-hmmm，对不起，我不明白。为什么它是最大值？最大值是指在所有3列中出现最多的值。他基本上想要出现最多的列表。所有列表中出现最多的值（好像只有一个列表）它可以是一个像

[US]

或多个像

['US'，'be']

我的最终数据框包含的不止这三列。我只列出了3个问题。我认为它也可以在多列中工作，否则你可以在最后一行中使用print（b.most_common（）[0][0]）

>>> import pandas as pd
>>> c = {'a': [['US','BE']],'b': [['US']], 'c': [['US','BE']]}
>>> df = pd.DataFrame(c, columns = ['a','b','c'])
>>> x = df.iloc[0].apply(lambda x: str(x))
>>> x.mode()
# Answer:
0    ['US', 'BE']
dtype: object
>>> d = {'a': [['US']],'b': [['US']], 'c': [['US','BE']]}
>>> df2 = pd.DataFrame(d, columns = ['a','b','c'])
>>> z =  df.iloc[0].apply(lambda z: str(z))
>>> z.mode()
# Answer:
0    ['US']
dtype: object