在包含整数和字符串的混合数据框中查找最小/最大值

Posted 2023-03-12

【中文标题】在包含整数和字符串的混合数据框中查找最小/最大值

【英文标题】：Find min/max values in a dataframe containing a mixture of integers and strings

【发布时间】：2018-02-07 10:35:38

【问题描述】：

我有一个数据框，其中 a、b、c 列包含整数和字符串，如下所示：

a    | b    | c
0.82 | 1.17 | 2.05
0.02 | ND   | ND
2.00 | 1.08 | 0.02*

我需要找到每一行的最小/最大值，并使用相应的值填充标题为“Min”/“Max”的新第四/第五列，同时将 ND 视为最小值。我可以用

找到第一行的最小值/最大值

df.loc[["a", "b", "c"]].min(axis=1) 
#and max(axis=1)

和第二个一起工作

df.loc[((data["a"].isin(["ND"])) | (data["b"].isin(["ND"])) |
       (data["c"].isin(["ND"])), "Min"] = "ND"

但不知道我应该为第三行的 0.02* 做什么。我需要对整数进行比较，但在填充“Min”列时保持值，所以最终结果看起来像

a    | b    | c     | Min   | Max
0.82 | 1.17 | 2.05  | 0.82  | 2.05
0.02 | ND   | ND    | ND    | 0.02
2.00 | 1.08 | 0.02* | 0.02* | 2

我的整个数据框中有 200 多个带有 * 的值，因此无法选择手动替换。我考虑先删除 *，但不确定在必须填充最小/最大列时如何恢复它们。

如果有人对此有解决方法，我们将不胜感激，谢谢。

【问题讨论】：

看起来在这些列中，您正在按字典顺序比较字符串。

【参考方案1】：

您似乎需要对数据进行一些整理。几个df.replace 电话应该可以做到这一点：

df = df.astype(str).replace('ND', np.nan)\
           .replace('\*', '', regex=True).astype(float)
print(df)

      a     b     c
0  0.82  1.17  2.05
1  0.02   NaN   NaN
2   2.0  1.08  0.02

现在，申请max 和min：

df['Max'] = df.max(1)
df['Min'] = df.min(1)

print(df)

      a     b     c   Max   Min
0  0.82  1.17  2.05  2.05  0.82
1  0.02   NaN   NaN  0.02  0.02
2  2.00  1.08  0.02  2.00  0.02

---

更新，基于您的限制：

dftemp = df.astype(str).replace('ND', -np.inf)\
               .replace('\*', '', regex=True).astype(float)    
df['Max'] = dftemp.max(1)
df['Min'] = dftemp.min(1).replace(-np.inf, 'ND')      

print(df)    
      a     b      c   Max   Min
0  0.82  1.17   2.05  2.05  0.82
1  0.02    ND     ND  0.02    ND
2   2.0  1.08  0.02*  2.00  0.02

【讨论】：

不幸的是我不能使用这个方法，正如我原来的帖子中所指定的那样。我需要 ND 为最小值，并且需要将 * 保留在我的最大/最小列中。

用 -np.inf 代替 np.nan 替换 'ND'?

您可以保留 *.但是在计算 min-max 时将其删除。

@PeterKwon 好吧，根据你奇怪的要求更新了。

@cᴏʟᴅsᴘᴇᴇᴅ 您的解决方案适用于发布的问题，对此我表示感谢。现在的问题是解决方案与数据框中的其他变量发生冲突......这就是生活。