Python 在嵌套列表的第二列中查找最大值？

我有这样一份清单：

alkaline_earth_values = [['beryllium',  4], 
                         ['magnesium', 12],
                         ['calcium',   20],
                         ['strontium', 38], 
                         ['barium',    56], 
                         ['radium',    88]]

---

如果我只使用

max（list）

方法，它将返回答案

'srontium'

，如果我试图找到max名称，这将是正确的，但是我试图返回整数最高的元素。

使用

键

参数

max(alk..., key=operator.itemgetter(1))

这种方法之所以有效，是因为max函数的关键参数指定了一个函数，当max希望知道搜索max元素所依据的值时，该函数将被调用。max将为序列中的每个元素调用该函数。和

lambda x:x[1]

创建一个小函数，该函数接受一个列表并返回第一个（计数从零开始）元素。所以

k = lambda x: x[1]

就是说

def k(l):
  return l[1]

---

但是在这种情况下使用起来又短又好。

假设列表中的项目实际上仍然是一个数字是相当棘手的。如果数字已变成字符串，

max（）

将返回第一个数字最高的“值”：

alkaline_earth_values = [['beryllium', '9'], ['magnesium', '12'],['calcium', '20'],
                         ['strontium', '38'], ['barium', '56'], ['radium', '88']]
max(alkaline_earth_values, key=lambda x: x[1])

返回

['铍'，'9']

max(alkaline_earth_values, key=lambda x: float(x[1]))

---

当你认为大熊猫或麻雀的速度为“

：

时，

会起到作用。

Import pandas as pd
alkaline_earth_values = [['beryllium', 4], ['magnesium', 12],['calcium', 20],
                     ['strontium', 38], ['barium', 56], ['radium', 88]]
pd.DataFrame(alkaline_earth_values)[1].max()

---

你介意用外行的话解释一下这是怎么回事吗。我想我理解x:x[1]定义了位置，因为如果我用0替换1，它将返回正确的最大字符串值。但是，尽管查看了Python库，但我并不完全理解key和lambda的意义。key是max（）内置函数的关键字参数。关键参数应该是一个可调用的（函数、lambda等），给定iterable的一个元素，它将返回一个用于比较的值。“lambda x:x[1]”创建了一个匿名函数（lambda），它返回支持Python切片表示法的第二个元素。因此，如果我在一个列表中有另一个嵌套级别，比如碱土值=[['铍'，4，['a'，1]]，['镁'，12，['b'，2]]，['钙'，20，['c'，3]]，['锶38['d'，4]]，['钡'，56['e'，5]]，['radium'，88['f'，1]]]我会用max（碱土金属，key=lambda x:x[4]来按三重嵌套整数排序吗？你的意思是值1,2,3,4,5,1？在这种情况下，你会这样做：key=lambda x:x[2][1]。因为你首先要取['berylium'，4[a，1]]的第二个元素，即[a，1]，然后你将继续使用该列表的第一个元素，即1。或者它是print（max（碱金属，key=lambda x:x[2][1]）这里的答案非常好，但可能也值得一看，这是一个关闭的副本，但有一些有用的答案与这些不同。

max（碱土值）

实际上返回

['sr'，38]

，因此它为您提供了具有最大值的名称和值对。如果多个列表具有与元素相同的值，

lambda

如何打印复制？如果多个列表具有与元素相同的值，

itemgetter

如何打印复制？如果多个列表具有与元素相同的值元素。熊猫如何打印副本？

Import pandas as pd
alkaline_earth_values = [['beryllium', 4], ['magnesium', 12],['calcium', 20],
                     ['strontium', 38], ['barium', 56], ['radium', 88]]
pd.DataFrame(alkaline_earth_values)[1].max()