Pandas DataFrame DataFrame.max() Funktion

Pandas DataFrame DataFrame.max() Funktion

  1. Syntax von pandas.DataFrame.max():
  2. Beispielcodes: DataFrame.max() Methode zum Finden des Maximums entlang der Spaltenachse
  3. Beispielcodes: DataFrame.max() Methode, um das Maximum entlang der Zeilenachse zu finden
  4. Beispiel-Codes: DataFrame.max() Methode, um das Maximum zu erhalten, wobei NaN Werte ignoriert werden

Die Funktion Python Pandas DataFrame.max() berechnet den Maximalwert der Werte des DataFrame-Objekts über die angegebene Achse.

Syntax von pandas.DataFrame.max():

DataFrame.max( axis=None, 
                skipna=None, 
                level=None, 
                numeric_only=None, 
                **kwargs)

Parameter

axis max entlang der row (axis=0) oder column (axis=1) finden
skipna Boolesch. Ausschließen von NaN-Werten (skipna=True) oder Einschließen von NaN-Werten (skipna=False)
level Zählen Sie mit einem bestimmten Pegel mit, wenn die Achse MultiIndex ist.
numeric_only Boolesch. Fügen Sie für numeric_only=True nur die Spalten float, int und boolean ein.
**kwargs Zusätzliche Schlüsselwort-Argumente zu der Funktion.

Zurück

Wenn der Level nicht angegeben ist, geben Sie Series des Maximums der Werte für die angeforderte Achse zurück, andernfalls DataFrame der maximalen Werte.

Beispielcodes: DataFrame.max() Methode zum Finden des Maximums entlang der Spaltenachse

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 2, 3],
                   'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)

maxs = df.max()

print("Max of Each Column:")
print(maxs)

Ausgabe:

DataFrame:
   X  Y
0  1  4
1  2  3
2  2  8
3  3  4
Max of Each Column:
X    3
Y    8
dtype: int64

Es erhält den Maximalwert für beide Spalten X und Y und gibt schließlich ein Series-Objekt mit dem Maximalwert jeder Spalte zurück.

Um das Maximum einer bestimmten Spalte von DataFrame in Pandas zu finden, rufen wir die max() Funktion nur für diese Spalte auf.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 2, 3],
                   'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)

maxs = df["X"].max()

print("Max of Each Column:")
print(maxs)

Ausgabe:

DataFrame:
   X  Y
0  1  4
1  2  3
2  2  8
3  3  4
Max of Each Column:
3

Sie gibt nur das Maximum der Werte der Spalte X im DataFrame aus.

Beispielcodes: DataFrame.max() Methode, um das Maximum entlang der Zeilenachse zu finden

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
                   'Y': [4, 3, 8, 2, 9],
                   'Z': [2, 7, 6, 10, 5]})
print("DataFrame:")
print(df)

maxs=df.max(axis=1)

print("Max of Each Row:")
print(maxs)

Ausgabe:

DataFrame:
    X  Y   Z
0   1  4   2
1   2  3   7
2   7  8   6
3   5  2  10
4  10  9   5
Max of Each Row:
0     4
1     7
2     8
3    10
4    10
dtype: int64

Es berechnet das Maximum für alle Zeilen und gibt schließlich ein Series-Objekt mit dem Maximum jeder Zeile zurück.

Beispiel-Codes: DataFrame.max() Methode, um das Maximum zu erhalten, wobei NaN Werte ignoriert werden

Wir verwenden den Standardwert des skipna-Parameters, d.h. skipna=True, um das Maximum des DataFrame entlang der angegebenen Achse zu finden, wobei die NaN-Werte ignoriert werden.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, None, 3],
                   'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)

maxs=df.max(skipna=True)
print("Max of Columns")
print(maxs)

Ausgabe:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  3.0
2  NaN  7.0
3  3.0  4.0
Max of Columns
X    3.0
Y    7.0
dtype: float64

Wenn wir skipna=True setzen, ignoriert es die NaN im DataFrame. Es erlaubt uns, das Maximum des DataFrame entlang der Spaltenachse zu berechnen, wobei die NaN Werte ignoriert werden.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, None, 3],
                   'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)

maxs=df.max(skipna=False)
print("Max of Columns")
print(maxs)

Ausgabe:

DataFrame:
     X  Y
0  1.0  4
1  2.0  3
2  NaN  7
3  3.0  4
Max of Columns
X    NaN
Y    7.0
dtype: float64

Hier erhalten wir den NaN-Wert für den maximalen Wert der Spalte X, da in Spalte X der NaN-Wert vorhanden ist.

Author: Jinku Hu
Jinku Hu avatar Jinku Hu avatar

Founder of DelftStack.com. Jinku has worked in the robotics and automotive industries for over 8 years. He sharpened his coding skills when he needed to do the automatic testing, data collection from remote servers and report creation from the endurance test. He is from an electrical/electronics engineering background but has expanded his interest to embedded electronics, embedded programming and front-/back-end programming.

LinkedIn

Verwandter Artikel - Pandas DataFrame

  • Pandas concat Funktion
  • Pandas cut Funktion
  • Pandas DataFrame sort_index() Funktion
  • Pandas DataFrame.idxmax() Funktion
  • Pandas DataFrame.insert() Funktion
  • Pandas DataFrame.resample() Funktion