三行数据帧的 Python Pandas 最不极端

Question

我有 3 行 DataFrame，每行都存储在单独的变量中。我怎样才能创建一个新的 pandas DataFrame 以便它包含每个 columns 中最不极端的元素？

如果我有:

x:    
                    C2        CL2          ED  ES  RB2
1992-12-30 -200.145189 -36.711906  108.067018 NaN  NaN

y:

                    C2        CL2          ED  ES  RB2
1992-12-30 -250.145189 -21.000000  107.067018 NaN  NaN

z:

                    C2        CL2          ED  ES  RB2
1992-12-30 -249.145189 -31.711906  100.067018 NaN  NaN

我想要回一些东西:

                    C2        CL2          ED  ES  RB2
1992-12-30 -200.145189 -21.000000  100.067018 NaN  NaN

我可以用循环来做，但我希望有一个更优雅/更高效的解决方案，因为这在每行中的元素数量方面会变得很大。

谢谢

Answer 1

创建示例数据——三个单行DataFrames正负值，并使用pd.concat()合并计算:

import string
import pandas as pd

df = {}
for i in range(3):
    df[i] = pd.DataFrame(data=np.random.uniform(-5, 5, size=10), index=list(string.ascii_uppercase)[:10]).transpose()
df = pd.concat(list(df.values()))

          A         B         C         D         E         F         G  \
0 -4.754784  1.193108  0.322375 -1.621932 -2.310099  1.710547 -4.272505   
0 -1.806019 -3.790956  4.111070 -3.034269  0.607244  2.020302 -0.340587   
0 -4.130075  3.218974 -3.791859  0.835340 -3.245390  1.738022  0.162090   

          H         I         J  
0  0.315760  0.805558 -0.134248  
0 -1.608740  2.932232  1.905336  
0  1.423596 -4.437640  0.868514 

将函数应用于返回与 min abs 值的 index 相关联的值的每一列，如下所示:

import numpy as np
df.apply(lambda x: x[(np.abs(x)).argmin()], raw=True)

A   -1.806019
B    1.193108
C    0.322375
D    0.835340
E    0.607244
F    1.710547
G    0.162090
H    0.315760
I    0.805558
J   -0.134248
dtype: float64