パンダで最大2つ以上の列を見つける

私は列を持つデータフレームを持っていますA、B。Cすべてのレコード/行に対して次のような列を作成する必要があります。

C = max(A, B)。

どうすればこれを行うことができますか？

次のように最大値を取得できます。

>>> import pandas as pd
>>> df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
>>> df
   A  B
0  1 -2
1  2  8
2  3  1
>>> df[["A", "B"]]
   A  B
0  1 -2
1  2  8
2  3  1
>>> df[["A", "B"]].max(axis=1)
0    1
1    8
2    3

など：

>>> df["C"] = df[["A", "B"]].max(axis=1)
>>> df
   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3

「A」と「B」が唯一の列であることがわかっている場合は、

>>> df["C"] = df.max(axis=1)

そして、あなたも使うことができる.apply(max, axis=1)と思います。

@DSMの答えは、ほとんどすべての通常のシナリオで完全に問題ありません。しかし、あなたが表面レベルよりも少し深く行きたいタイプのプログラマーなら、基礎となる.to_numpy()（または.values直接ではなく<0.24）配列で DataFrame / Seriesオブジェクトで定義された（cythonized）関数を呼び出します。

たとえばndarray.max()、最初の軸に沿って使用できます。

# Data borrowed from @DSM's post.
df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
df
   A  B
0  1 -2
1  2  8
2  3  1

df['C'] = df[['A', 'B']].values.max(1)
# Or, assuming "A" and "B" are the only columns, 
# df['C'] = df.values.max(1) 
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3 

データにが含まれている場合はNaN、次のものが必要になりますnumpy.nanmax。

df['C'] = np.nanmax(df.values, axis=1)
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3 

を使用することもできますnumpy.maximum.reduce。numpy.maximumはufunc（ユニバーサル関数）であり、すべてのufuncにはreduce：があります。

df['C'] = np.maximum.reduce(df['A', 'B']].values, axis=1)
# df['C'] = np.maximum.reduce(df[['A', 'B']], axis=1)
# df['C'] = np.maximum.reduce(df, axis=1)
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3

np.maximum.reduceそしてnp.max、多かれ少なかれ（ほとんどの通常の大きさのデータフレームのために）同じであること-と日陰より速いことが起こるように見えますDataFrame.max。この違いはほぼ一定であり、内部オーバーヘッド（インデックスの配置、NaNの処理など）によるものだと思います。

グラフはperfplotを使用して生成されました。参考のためのベンチマークコード：

import pandas as pd
import perfplot

np.random.seed(0)
df_ = pd.DataFrame(np.random.randn(5, 1000))

perfplot.show(
    setup=lambda n: pd.concat([df_] * n, ignore_index=True),
    kernels=[
        lambda df: df.assign(new=df.max(axis=1)),
        lambda df: df.assign(new=df.values.max(1)),
        lambda df: df.assign(new=np.nanmax(df.values, axis=1)),
        lambda df: df.assign(new=np.maximum.reduce(df.values, axis=1)),
    ],
    labels=['df.max', 'np.max', 'np.maximum.reduce', 'np.nanmax'],
    n_range=[2**k for k in range(0, 15)],
    xlabel='N (* len(df))',
    logx=True,
    logy=True)