如何比较 python 中 dataframe 中每一行的所有值

Question

大家早上好，我的问题很简单：

给定这样的 dataframe：

import pandas as pd 
  
df = pd.DataFrame({ 'a': [1, 2, 3, 4, 5, 6],
                    'b': [8, 18, 27, 20, 33, 49],
                    'c': [2, 24, 6, 16, 20, 52]})
print(df)

我想为每一行检索最大值并将其与所有其他行进行比较。 如果差异大于 10，则创建另一个包含字符串“yes”或“not”的列

   a   b   c
0  1   8   2
1  2  18  24
2  3  27   6
3  4  20  16
4  5  33  20
5  6  49  52

我期待这样的结果：

   a   b   c  res
0  1   8   2  not
1  2  18  24  not
2  3  27   6  yes
3  4  20  16  not
4  5  33  20  yes
5  6  49  52  not

非常感谢。

Answer 1

我想，下面的代码可以提供帮助：

import pandas as pd

df = pd.DataFrame({ 'a': [1, 2, 3, 4, 5, 6],
                    'b': [8, 18, 27, 20, 33, 49],
                    'c': [2, 24, 6, 16, 20, 52]})

def find(x):
    if x > 10:
        return "yes"
    else:
        return "not"

df["diff"] = df.max(axis=1) - df.apply(lambda row: row.nlargest(2).values[-1],axis=1)
df["res"] = df["diff"].apply(find)
df.drop(columns="diff", axis=0, inplace=True)

Output：

Answer 2

这应该可以解决问题。

大约是这里提供的其他答案的两倍到十倍

导入 pandas 作为 pd

df = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6],
                   'b': [8, 18, 27, 20, 33, 49],
                   'c': [2, 24, 6, 16, 20, 52]})

df["res"] = df.apply(lambda row: "yes" if all(row.apply(lambda val: max(row) - val > 10 or val == max(row))) else "not", axis=1)

print(df)

结果

   a   b   c  res
0  1   8   2  not
1  2  18  24  not
2  3  27   6  yes
3  4  20  16  not
4  5  33  20  yes
5  6  49  52  not

Answer 3

import pandas as pd
df = pd.DataFrame({ 'a': [1, 2, 3, 4, 5, 6],
                    'b': [8, 18, 27, 20, 33, 49],
                    'c': [2, 24, 6, 16, 20, 52]})

def _max(row):
    first, second = row.nlargest(2)
    if first - second > 10:
        return True
    else:
        return False

df["res"] = df.apply(_max, axis=1)