使用numpy ufuncs修改熊猫数据帧的位置

Question

我有四列值：'A'，'B'，'C'和'D'，一列包含四个字母之一。

  Letter A B C D   max 
12063289  D 5 9 0 39    0 
12063290  D 3 25 0 79    0 
12063291  B 0 232 0 0    0 
12063292  A 351 0 0 0    0 
12063293  D 0 0 0 394    0 

根据字母列的值，我想计算其他三列的最大值。

  Letter A B C D   max 
12063289  D 5 9 0 39    9 
12063290  D 3 25 0 79    25 
12063291  B 0 232 0 16    16 
12063292  A 351 0 200 0    200 
12063293  D 0 0 0 394    0 

说上面的数据被存储在一个变量DF，我试图做到以下几点：

import numpy as np 
import pandas as pd 

columns = {'A':['B','C','D'], 
      'B':['A','C','D'], 
      'C':['A','B','D'], 
      'D':['A','B','C']} 
for letter in ['A', 'B', 'C', 'D']: 
    mask = df.loc[df['Letter']==letter] 
    np.max(df[mask][columns[letter]], out=df[mask]['max']) 

我基本上要max函数工作只在蒙面数据框的相关列和写回完全正确的位置，但大熊猫的原始数据帧（DF）的“最大”列抱怨在最后一行：

ValueError: Must pass DataFrame with boolean values only 

的问题是如何定位准确茨艾伦这些行的e单元接收max（）函数的输出，以便不使用不必要的空间（我可以使用apply函数执行此操作，但它占用了大量的空间，我没有）。

Answer 1

apply

cols = list('ABCD') 
df.apply(lambda x: x.loc[cols].drop(x.Letter).max(), 1) 

12063289  9 
12063290  25 
12063291  16 
12063292 200 
12063293  0 
dtype: int64 

​​query + groupby

d1 = df.set_index(
    'Letter', append=True 
)[list('ABCD')].rename_axis('Col', 1).stack().to_frame('value') 
d1.query('Letter != Col').groupby(level=0).value.max() 

12063289  9 
12063290  25 
12063291  16 
12063292 200 
12063293  0 
dtype: int64