Python：是否可以在生成的序列中找到最大值，而不必将序列存储到内存中？

我试图找到数据帧中某列计算的最大值。为此，我创建了计算列，然后对其调用

max（）

df['two']=df['one']/df['one'].索引
最大值=df['two'].max（）

这是一个缓慢的操作，我想知道是否有可能通过避免计算列的内存使用来对其进行优化，并且只需动态计算列，同时跟踪其最大值。我可以用香草蟒蛇做这个，但是我想要熊猫的效率

---

谢谢所有能帮助我的人

我们可以尝试作弊，但我们需要知道确切的公式/算法

在您的示例中，可以在不存储列的情况下执行此操作：

maximum = (df.a/df.index).max()

如果计算更复杂，可以使用

.assign（）

方法：

maximum = df.assign(two=df.a/df.index)['two'].max()

测试：

---

问题在于，为了提高处理效率，您牺牲了内存中的效率

你可以写一个循环

maximum = np.nan
for i in range(len(df.a)):
    if pd.isnull(maximum):
        maximum = df.a[i] / df.index[i]
    else:
        maximum = max(maximum, df.a[i] / df.index[i])

---

这应该是非常有效的内存。它使用

iterrows

和

max

的生成器

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))

df
Out[107]: 
          a         b         c
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

>>> max(row.a / idx for  idx, row in df.iterrows() if idx)
2.2408931992014578

---

如果idx

要删除分母为零或无的实例。

谢谢，这是最有效的！

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))

df
Out[107]: 
          a         b         c
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

>>> max(row.a / idx for  idx, row in df.iterrows() if idx)
2.2408931992014578