Pandas能够执行行级的min()和max()函数吗？

Question

在我的DataFrame中，我希望夹取特定列的值介于0和100之间。例如，给定以下内容：

  a  b
0 10 90
1 20 150
2 30 -30

我想要得到：

  a  b   c
0 10 90  90
1 20 150 100
2 30 -30 0

我知道在Pandas中，某些算术操作适用于跨列进行。例如，我可以像这样将列b中的每个数字加倍：

>>>df["c"] = df["b"] * 2
>>>df
  a  b   c
0 10 90  180
1 20 150 300
2 30 -30 -60

然而，这对于内置函数如min和max无效：

>>>df["c"] = min(100, max(0, df["b"]))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

有没有一种有效地实现我想要的方式？

- stevendesu

---

尝试这个：df.max(axis=1) - MaxU - stand with Ukraine

Answer 1

你可以使用 Series.clip:

df['c'] = df['b'].clip(0,100)
print (df)
    a    b    c
0  10   90   90
1  20  150  100
2  30  -30    0

- jezrael

---

是的，这就是它！;) - MaxU - stand with Ukraine

非常优雅的解决方案！ - Vaishali

Answer 2

你可以在轴上使用Pandas的min函数。然后将其与min/max组合使用。

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.min.html

例如

df.max(axis=1)

但是看起来你想剪辑值而不是使用最小/最大值。

- Dat Chu

---

尽管你是对的——最终我想要的是.clip而不是.max，但因为这回答了我的确切问题，我仍会给一个+1。 - stevendesu

Answer 3

一个 numpy 视图。不如 clip 那么优雅。

选项1

df.assign(c=np.minimum(np.maximum(df.b.values, 0), 100))

    a    b    c
0  10   90   90
1  20  150  100
2  30  -30    0

---

选项2

b = df.b.values
df.assign(c=np.where(b > 100, 100, np.where(b < 0, 0, b)))

    a    b    c
0  10   90   90
1  20  150  100
2  30  -30    0

---

时间
以下是代码

res.div(res.min(1), 0)

            pir1  pir2       jez1
10     30.895514   1.0  75.210427
30     28.611177   1.0  49.913498
100    20.658307   1.0  50.823106
300    19.842134   1.0  39.162901
1000   14.078159   1.0  25.148937
3000    8.767133   1.0  15.066847
10000   4.377849   1.0   8.849138
30000   2.634263   1.0   4.653956

res = pd.DataFrame(
    index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
    columns=['pir1', 'pir2', 'jez1'],
    dtype=float
)

jez1 = lambda d: d.assign(c=df.b.clip(0, 1))
pir1 = lambda d: d.assign(c=np.minimum(np.maximum(d.b.values, 0), 100))
pir2 = lambda d: (lambda b: np.where(b > 100, 100, np.where(b < 0, 0, b)))(d.b.values)

for i in res.index:
    d = pd.concat([df] * i, ignore_index=True)
    for j in res.columns:
        stmt = '{}(d)'.format(j)
        setp = 'from __main__ import d, {}'.format(j)
        res.at[i, j] = timeit(stmt, setp, number=10)

res.plot(loglog=True)

- piRSquared