Python 从不同的列中取绝对值的最大值并过滤掉

这是我的尝试。比如说

df = pd.DataFrame({'a':[5,0,1,np.nan], 'b':[np.nan,1,4,3], 'c':[-3,-2,0,0]})
df.dropna(axis=1).max(axis=1,key=abs)

很好地过滤掉

NaN

值，但它得到的是0或负值，而不是绝对值中的高点

结果应该是一列带有

5
-2
4
3

---

您可以对平方数据使用

np.nanargmax

：

>>> df.values[range(df.shape[0]),np.nanargmax(df**2,axis=1)]
array([ 5., -2.,  4.,  3.])

一艘班轮：

pd.Series([df.values[i][df.fillna(0).abs().values.argmax(axis=1)[i]] for i in range(len(df.values))])

我解决了这个问题

maxCol=lambda x: max(x.min(), x.max(), key=abs)
df.apply(maxCol,axis=1)

---

由于我的声誉分数较低，我想在这里补充安德鲁·哈默尔关于绝对最小值的回答和问题：

minCol=lambda x: min(x, key=abs)
minCol=lambda x: min([abs(value) for value in x])  

---

适用于我的数据，但是，它无法处理np.nan。

最简单有效的方法是将其转换为绝对值，然后找到最大值。Pandas支持简单的语法（and），并且不需要昂贵的应用操作：

df.abs().max()

---

max（）

接受一个

axis

参数，该参数可用于指定是计算行上的最大值还是列上的最大值。

执行

dropna

操作时，将丢失所有具有

NaN

值的列，并且只有

c

列是leftOk。在任何情况下，如果我使用df.max（axis=1，key=abs），它不会取绝对值中的最大值，但只取最大正值。此解决方案有效，但速度非常慢。。。有更快的解决方案吗？我如何修改它，使其采用绝对最小值？我试图用min-so-min（x.min（），x.max（），key=abs）替换max，但这不起作用。@如果您有性能问题，我下面的答案应该更有效。@Andrewamel在我下面的答案中用

min（）

替换

max（）

，应该可以work@Brendan我希望（以及OP）保持负值。你的方法会将它们转换为正值这不会回答问题，因为它会删除负值。

df.abs().max()