Python 使用if条件获取不同列的最大值

我想为每一行获取这些值的最大值<目标值

例如，从下面的数据框中，每列

date1

，

date2

，…

date6

将依次成为

目标值

对于每行的每个

目标值

，我希望得到小于

目标值

的最大值。如果

目标值

最小，它将返回

目标值

我有一个数据帧

df

，如下所示：

index   date1      date2      date3     date4       date5      date6 
AA     2019-8-1   2019-1-4   2019-2-3  2019-2-2    2019-5-21  2019-5-14
BB     2019-3-12  2019-10-1  2019-6-1  2019-3-17   2019-7-9   2019-6-12
CC     2019-1-11  2019-3-1   2019-8-1  2019-3-27   2019-1-11  2019-1-7

如果

目标值

为

date1

，我的尝试：

date1temp = []
for index, row in df.iterrows():
    mylist = ['date2','date3','date4','date5','date6']
    max = datetime.datetime(2011,1,1)
    for i in mylist:
        if row[i] < row['date1']
             if row[i] > max:
                  max = row[i]
        else:
             max = row['date1']
    date1temp.append((index,max,row['date1']))

cols = ['index','max','target']
result = pd.DataFrame(date1temp, columns=cols)

预期输出：我希望得到

结果

，如下所示：

index  max        target
AA     2019-5-21  2019-8-1
BB     2019-3-12  2019-3-12
CC     2019-1-7   2019-1-11

---

谢谢大家!

错误在本节中：

    max = datetime.datetime(2011,1,1)
    for i in mylist:
        if row[i] < row['date1']
             if row[i] > max:
                  max = row[i]
        else:
             max = row['date1']

---

首先，您必须将数据转换为datetime，以便可以按预期比较以下值：

df = df.apply(pd.to_datetime)

然后您只需使用所需的列更改

目标

：

target = 'date1'
target_index = df.columns.tolist().index(target)

def process(row):
    target_value = row[target_index]
    smaller = row[row < target_value]

    # check if there is any smaller
    if not smaller.empty:
        return  smaller.max()

    return target_value



pd.concat([df.agg(process, axis=1), df[target]], axis=1).rename(columns={0:'max', target: 'target'})

target='date1'
target_index=df.columns.tolist（）.index（目标）
def流程（世界其他地区）：
目标值=行[目标索引]
较小=行[行<目标值]
#检查是否有更小的
如果不是更小。则为空：
返回较小的.max（）
返回目标值
pd.concat（[df.agg（进程，axis=1），df[target]]，axis=1）。重命名（列={0:'max'，目标：'target'}）

输出：

---

也许你也应该包括我需要的内容。非常感谢你的帮助！我真的很感激！

df = df.apply(pd.to_datetime)

target = 'date1'
target_index = df.columns.tolist().index(target)

def process(row):
    target_value = row[target_index]
    smaller = row[row < target_value]

    # check if there is any smaller
    if not smaller.empty:
        return  smaller.max()

    return target_value



pd.concat([df.agg(process, axis=1), df[target]], axis=1).rename(columns={0:'max', target: 'target'})