Python 使用字符串和NaN提取多索引数据帧的最大值

我得到了以下多索引数据帧：

first              bar                 baz                 foo          
second             one       two       one       two       one       two
first second                                                            
bar   one          NaN -0.056213  0.988634  0.103149    1.5858 -0.101334
      two     -0.47464 -0.010561  2.679586 -0.080154       <LQ -0.422063
baz   one          <LQ  0.220080  1.495349  0.302883 -0.205234  0.781887
      two     0.638597  0.276678 -0.408217 -0.083598  -1.15187 -1.724097
foo   one     0.275549 -1.088070  0.259929 -0.782472   -1.1825 -1.346999
      two     0.857858  0.783795 -0.655590 -1.969776 -0.964557 -0.220568

以下是我尝试过的：

df.xs('one', level=1, axis = 1).max(axis=0, level=1, skipna = True, numeric_only = False)

得到的结果是：

first        bar       baz       foo          
second                                                            
one     0.275549  1.495349    1.5858
two     0.857858  2.679586 -0.964557

first        baz
second          
one     1.495349
two     2.679586

如果一个单元格包含字符串，如何使Pandas不忽略整个列

（创建方式如下：）

array=[np.array（['bar'，'bar'，'baz'，'baz'，'foo'，'foo'，'qux'，'qux']），
数组（['one'，'two'，'one'，'two'，'one'，'two'，'one'，'two']）]
元组=列表（zip（*数组））
index=pd.MultiIndex.from_元组（元组，名称=['first'，'second']）
df=pd.DataFrame（np.random.randn（6,6），index=index[：6]，columns=index[：6]）
df['bar'，'one'].loc['bar'，'one']=np.NaN
df['bar'，'one'].loc['baz'，'one']='我想您需要将非数字替换为
na
：

(df.xs('one', level=1, axis=1)
   .apply(pd.to_numeric, errors='coerce')
   .max(level=1,skipna=True)
)

输出（带有
np.random.seed（1）
）：

您的列和索引具有相同的名称，因此非常混乱。
(df.xs('one', level=1, axis=1)
   .apply(pd.to_numeric, errors='coerce')
   .max(level=1,skipna=True)
)

first        bar       baz       foo
second                              
one     0.900856  1.133769  0.865408
two     1.744812  0.319039  0.901591