Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.max方法的使用。

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:{index (0), columns (1)}

要应用的功能的轴。

skipna:bool,默认为True

计算结果时排除NA/null值。

level:int或级别名称,

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_onlybool

默认值None

仅包括floatintboolean列。

如果为None,将尝试使用所有内容,

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:

SeriesDataFrame(如果指定level)

例子

idx = pd.MultiIndex.from_arrays([
['warm', 'warm', 'cold', 'cold'],
['dog', 'falcon', 'fish', 'spider']],
names=['blooded', 'animal'])
s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
s
blooded animal
warm dog 4
falcon 2
cold fish 0
spider 8
Name: legs, dtype: int64
s.max()
8

最多使用级别名称以及索引

s.max(level='blooded')
blooded
warm 4
cold 8
Name: legs, dtype: int64
s.max(level=0)
blooded
warm 4
cold 8
Name: legs, dtype: int64

推荐文档

相关文档

大家感兴趣的内容

随机列表