python - NaN 污染两个对象 DataFrame 列的 max()

Question

如果我取两列 float 的最大值，即使其中一些是 NaN，结果也是相当可预测的:

>>> df = pd.DataFrame({"a": [1.0, 2.0, 3.0, 4.0],
                       "b": [3, 2, float("nan"), 9]})
>>> df
     a    b
0  1.0  3.0
1  2.0  2.0
2  3.0  NaN
3  4.0  9.0
>>> df.dtypes
a    float64
b    float64
dtype: object
>>> df[["a", "b"]].max(axis=1)
0    3.0
1    2.0
2    3.0
3    9.0
dtype: float64

虽然我不确定为什么 3.0 和 NaN 的最大值不是 NaN。

但是，如果列包含非浮点类型(本例中为字符串)，NaN 似乎会完全污染结果:

>>> df = pd.DataFrame({"a": ["1", "2", "3", "4"], 
                       "b": ["3", "2", float("nan"), "9"]})
>>> df
   a    b
0  1    3
1  2    2
2  3  NaN
3  4    9
>>> df.dtypes
a    object
b    object
dtype: object
>>> df[["a", "b"]].max(axis=1)
0   NaN
1   NaN
2   NaN
3   NaN
dtype: float64

我预计 max() 调用的输出将为 3, 2, NaN, 9。

Answer 1

您可以告诉 pandas 在获取 .max() 时要包含哪些内容，但只有 float、int 和 boolean 是有效类型。不会进行字符串到数字类型的隐式转换，因此在 df 中，像 "3" 这样的元素不包含在获取最大值中。唯一的数值是 NaN，因此返回。

要获得预期结果，您首先需要将字符串转换为数字类型，例如

df = df.astype(float)

然后提供 skipna=False 以包含 NaN:

df.max(axis=1, skipna=False)