DataFrame.max(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs) [source]
返回所请求轴的最大值。
如果您想要最大的索引,请使用idxmax
。这相当于该numpy.ndarray
方法argmax
。
参数: | axis: 要应用的功能的轴。 skipna: 计算结果时排除 level: 默认为None 如果轴是MultiIndex(分层), 则沿特定级别计数,并折叠为Series。 numeric_only: 默认值 仅包括 如果为 然后仅使用数字数据。未针对Series实施。 **kwargs 要传递给函数的其他关键字参数。 |
返回: |
|
例子
1)按列计算最大值
import pandas as pd df = pd.DataFrame({ 'A': [3, 6, 2], 'B': [8, 5, 9], 'C': [1, 4, 7] }) print(df.max()) # 默认 axis=0
2)按行计算最大值
import pandas as pd # 创建示例 DataFrame data = { 'A': [10, 20, 30], 'B': [5, 25, 35], 'C': [15, 10, 40] } df = pd.DataFrame(data) # 计算每一行的最大值 row_max = df.max(axis=1) # 输出结果 print("原始 DataFrame:") print(df) print("\n每一行的最大值:") print(row_max)
3)忽略 NaN 计算最大值
import pandas as pd # 创建包含 NaN 的 DataFrame df_with_nan = pd.DataFrame({ 'A': [3, 6, None], 'B': [8, None, 9], 'C': [1, 4, 7] }) # 默认 skipna=True,忽略 NaN,计算最大值 print("默认 skipna=True:") print(df_with_nan.max()) # skipna=False,不忽略 NaN,若列包含 NaN,则结果为 NaN print("\nskipna=False:") print(df_with_nan.max(skipna=False))
4)仅计算数值列的最大值
import pandas as pd # 创建包含数值和字符串的 DataFrame df_mixed = pd.DataFrame({ 'A': [3, 6, 2], # 数值列 'B': ['x', 'y', 'z'], # 字符串列 'C': [1, 4, 7] # 数值列 }) # 仅计算数值列的最大值 print(df_mixed.max(numeric_only=True))