如何跨两个DataFrame按行取多列最大值并赋值至目标列

嗨，我来帮你解决这个问题！首先得明确你的核心需求：每行都要取dfOne.colA、dfOne.colB和dfTwo.colH这三个值的最大值，然后赋值给dfOne.colMax对吧？你之前踩的坑其实是用了Python内置的max()函数——这个函数是用来比较整个对象的，不是逐元素（逐行）比较的，所以才会出问题。下面给你几个靠谱的解决方案，顺便解答你备注里的疑问。

方法一：用Pandas的combine方法（直接引用单个列） #

这个方法完全符合你想要的「不用dfOne[['colA', 'colB']]，而是直接用dfOne.colA/dfOne.colB」的需求，逻辑也很直观：

# 先逐行取dfOne.colA和dfOne.colB的最大值
ab_max = dfOne['colA'].combine(dfOne['colB'], max)
# 再逐行和dfTwo.colH取最大值，赋值给colMax
dfOne['colMax'] = ab_max.combine(dfTwo['colH'], max)

combine方法就是专门用来对两个Series做逐元素操作的，这里传入max函数就会逐行比较两个值取最大。

方法二：用Numpy的maximum（最简洁高效） #

Numpy的np.maximum支持元素级的比较，而且可以嵌套使用来处理多个值：

import numpy as np

# 嵌套调用np.maximum，逐行取三个列的最大值
dfOne['colMax'] = np.maximum(np.maximum(dfOne['colA'], dfOne['colB']), dfTwo['colH'])

这个写法非常简洁，而且运算效率很高，适合处理大数据量的情况。

方法三：临时合并列后取最大值（适合多列场景） #

如果以后需要处理更多列，也可以先把dfTwo.colH临时合并到dfOne，然后直接取多列的逐行最大值：

# 合并dfTwo.colH到dfOne，然后取三列的逐行最大值
dfOne['colMax'] = dfOne[['colA', 'colB']].join(dfTwo['colH']).max(axis=1)
# 如果不想保留临时添加的colH，可以删掉
# dfOne.drop('colH', axis=1, inplace=True)

为什么你之前的写法不对？ #

你用max(dfTwo.colH, dfOne[['colA', 'colB']].min(axis=1))的时候，Python内置的max()是把整个Series当作一个整体来比较的，返回的是整个Series的全局最大值，而不是每行对应位置的最大值。必须用支持元素级操作的方法（比如上面的combine或np.maximum）才能实现逐行处理的需求。

关于你备注里的疑问 #

当然有不用dfOne[['colA', 'colB']]的写法！上面的方法一和方法二都是直接引用单个列（dfOne['colA']/dfOne.colA）来操作的，不需要把它们放进一个临时DataFrame里。

备注：内容来源于stack exchange，提问作者SoftwareTester