Pandas 如何在数据帧上的行子集上进行操作？ def getDF（阈值）： df=pd.read\u pickle（文件名） df['threshold']=浮动（阈值） df.set_索引（“日期”） df['normal']=[行的任何值]>df['threshold']

我有上面的函数，如果任何浮动，

列0-9

大于阈值，则需要设置

异常

列。我知道如何在一个专栏中这样做，但在多个专栏中又如何呢

我也许可以用蛮力做这件事，但我相信有一种方法可以做得更快

---

谢谢您的时间。

您可以先计算行最大值，然后检查此最大值是否大于阈值：

df['anomaly'] = df[['column1', 'column2', 'column3']].max(axis=1) > df['threshold']

df['normal']=df['column1'，'column2'，'column3']].max（axis=1）>df['threshold']

但是，如果阈值是单个值，则可以简单地使用该值本身：

df['anomaly'] = df[['column1', 'column2', 'column3']].max(axis=1) > threshold

df['normal']=df['column1'，'column2'，'column3']].max（axis=1）>阈值

或对于前十列：

df['anomaly'] = df.iloc[:,:10].max(axis=1) > threshold

---

df['normal']=df.iloc[：，：10].max（axis=1）>阈值

您可以首先计算行最大值，然后检查该最大值是否大于阈值：

df['anomaly'] = df[['column1', 'column2', 'column3']].max(axis=1) > df['threshold']

df['normal']=df['column1'，'column2'，'column3']].max（axis=1）>df['threshold']

但是，如果阈值是单个值，则可以简单地使用该值本身：

df['anomaly'] = df[['column1', 'column2', 'column3']].max(axis=1) > threshold

df['normal']=df['column1'，'column2'，'column3']].max（axis=1）>阈值

或对于前十列：

df['anomaly'] = df.iloc[:,:10].max(axis=1) > threshold

---

df['normal']=df.iloc[：，：10].max（axis=1）>threshold

0-9列没有名称，如果有帮助的话，总共有12列，我不想检查名为'date'和'threshold'的列，我猜一旦分配了'normal'。有人说除了[这些]以外的所有列吗？@SwimMaster：你可以对前十列使用

.iloc[：，：10]

。列0-9没有名称，如果有帮助的话，总共有12列，我不想检查名为“date”和“threshold”的列，我猜一旦指定了“normality”。有人说除了[这些]以外的所有列吗？@SwimMaster:您可以对前十列使用

.iloc[：，：10]

。