Метод max
Метод max применяется к DataFrame
и возвращает максимальные значения для каждого столбца.
По умолчанию метод ищет максимум по столбцам (по вертикали).
С помощью параметра axis можно изменить направление
и искать максимум по строкам (по горизонтали).
Метод игнорирует пропущенные значения NaN
при вычислении максимума.
Синтаксис
df.max([axis=0], [skipna=True])
Пример
Давайте найдём максимальные значения по всем столбцам таблицы:
import pandas as pd
df = pd.DataFrame({
'a': [1, 5, 3, 8, 2],
'b': [10, 20, 30, 40, 50]
})
res = df.max()
print(res)
Результат выполнения кода:
a 8
b 50
dtype: int64
Пример
Теперь найдём максимальное значение по строкам таблицы.
Для этого укажем параметр axis со значением 1:
import pandas as pd
df = pd.DataFrame({
'a': [1, 5, 3, 8, 2],
'b': [10, 20, 30, 40, 50]
})
res = df.max(axis=1)
print(res)
Результат выполнения кода:
0 10
1 20
2 30
3 40
4 50
dtype: int64
Пример
Если в таблице есть пропущенные значения,
метод max по умолчанию их игнорирует.
Параметр skipna управляет этим поведением.
Рассмотрим пример с пропущенными значениями:
import pandas as pd
import numpy as np
df = pd.DataFrame({
'a': [1, np.nan, 3, 8, 2],
'b': [10, 20, np.nan, 40, 50]
})
res = df.max()
print(res)
Результат выполнения кода:
a 8.0
b 50.0
dtype: float64
Пример
Если нужно, чтобы метод возвращал NaN
при наличии пропусков, укажем skipna=False:
import pandas as pd
import numpy as np
df = pd.DataFrame({
'a': [1, np.nan, 3, 8, 2],
'b': [10, 20, np.nan, 40, 50]
})
res = df.max(skipna=False)
print(res)
Результат выполнения кода:
a NaN
b NaN
dtype: float64
