Python 将函数应用于Pandas中的整个数据帧

可能是一个很小的问题，但是如何将函数应用到带有熊猫的整个“矩阵”中呢？在我看来，apply既可以行操作，也可以列操作，但如果我想同时执行这两种操作呢？例如

>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df
    A   B  
0  10  20         
1  20  40         
2  30  10  
>>> df.apply(max)
40

使用一些预定义的max函数。非常感谢

编辑： 抱歉，我本来应该在我最初的问题中说得更清楚。实际上，我对计算DataFrame max不感兴趣，而只是作为一个示例。也许更好的例子是一个函数，它在两列上取最后两行的最大值，即

>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df
    A   B  
0  10  20         
1  20  40         
2  30  10 
3  50  20 
>>> df.apply(max)
0  n/a
1  40
2  40
3  50

---

这通常不是数据帧的使用方式，因为列可能有不同的类型

但是，如果所有列都具有相同的类型，则可以将数据帧转换为矩阵，如

m = df.as_matrix() 

然后使用

m

，例如

m.max()

---

这通常不是数据帧的使用方式，因为列可能有不同的类型

但是，如果所有列都具有相同的类型，则可以将数据帧转换为矩阵，如

m = df.as_matrix() 

然后使用

m

，例如

m.max()

---

df.max（）

如果要在行和列中查找最大值，可以执行以下操作：

df.max（）

如果要在表中查找最大值，最好的方法是：

df.values.max（）

.applymap对每个元素都有效，但应该只使用数据帧内置的max方法。

df.max（）.max（）

对于这种情况，您可以使用NumPy:

np.amax（df.values）

实际上首先您可以编写

df=pd.DataFrame（{“A”：[10,20,30]，“B”：[20,30,10]}，dtype=np.float）

然后应用一些函数（例如exp），如下所示：

exp\u df=np.exp（df）

如果要在行和列中查找最大值，可以执行以下操作：

df.max（）

如果要在表中查找最大值，最好的方法是：

df.values.max（）

.applymap适用于每个元素，但是你应该只使用数据帧内置的max方法。这看起来不像python。哦，对不起，这是R。。。我在pythondaframes中更改了

.max

方法。就用那个吧。那个看起来不像python。哦，对不起，是R。。。我在pythondaframes中更改了

.max

方法。就用这个吧。