J'ai un dataframe (df) qui ressemble à ceci:
a b
loc.1 [1, 2, 3, 4, 7, 5, 6]
loc.2 [3, 4, 3, 7, 7, 8, 6]
loc.3 [1, 4, 3, 1, 7, 8, 6]
...
Je veux trouver le maximum du tableau dans la colonne b et l'ajouter à la trame de données d'origine. Ma pensée était quelque chose comme ça:
for line in df:
split = map(float,b.split(','))
count_max = max(split)
print count
La sortie idéale devrait être:
a b max_val
loc.1 [1, 2, 3, 4, 7, 5, 6] 7
loc.2 [3, 4, 3, 7, 7, 8, 6] 8
loc.3 [1, 4, 3, 1, 7, 8, 6] 8
...
Mais cela ne fonctionne pas, car je ne peux pas utiliser b.split car il n'est pas défini ...
1
Alex Trevylan
17 avril 2018 à 20:43
3 réponses
Meilleure réponse
Si vous travaillez avec des listes sans NaN mieux, utilisez max dans la compréhension des listes ou map:
a['max'] = [max(x) for x in a['b']]
a['max'] = list(map(max, a['b']))
Solution pure pandas:
a['max'] = pd.DataFrame(a['b'].values.tolist()).max(axis=1)
Exemple :
array = {'loc.1': np.array([ 1,2,3,4,7,5,6]),
'loc.2': np.array([ 3,4,3,7,7,8,6]),
'loc.3': np.array([ 1,4,3,1,7,8,6])}
L = [(k, v) for k, v in array.items()]
a = pd.DataFrame(L, columns=['a','b']).set_index('a')
a['max'] = [max(x) for x in a['b']]
print (a)
b max
a
loc.1 [1, 2, 3, 4, 7, 5, 6] 7
loc.2 [3, 4, 3, 7, 7, 8, 6] 8
loc.3 [1, 4, 3, 1, 7, 8, 6] 8
ÉDITER:
Vous pouvez également obtenir max dans list comprehension:
L = [(k, v, max(v)) for k, v in array.items()]
a = pd.DataFrame(L, columns=['a','b', 'max']).set_index('a')
print (a)
b max
a
loc.1 [1, 2, 3, 4, 7, 5, 6] 7
loc.2 [3, 4, 3, 7, 7, 8, 6] 8
loc.3 [1, 4, 3, 1, 7, 8, 6] 8
3
jpp
17 avril 2018 à 18:49
Vous pouvez utiliser des tableaux numpy pour un calcul vectorisé:
df = pd.DataFrame({'a': ['loc.1', 'loc.2', 'loc.3'],
'b': [[1, 2, 3, 4, 7, 5, 6],
[3, 4, 3, 7, 7, 8, 6],
[1, 4, 3, 1, 7, 8, 6]]})
df['maxval'] = np.array(df['b'].values.tolist()).max(axis=1)
print(df)
# a b maxval
# 0 loc.1 [1, 2, 3, 4, 7, 5, 6] 7
# 1 loc.2 [3, 4, 3, 7, 7, 8, 6] 8
# 2 loc.3 [1, 4, 3, 1, 7, 8, 6] 8
0
jpp
17 avril 2018 à 17:50
Essaye ça:
df["max_val"] = df["b"].apply(lambda x:max(x))
0
FadeoN
17 avril 2018 à 18:28