如何在Pandas DataFrame中为每行添加第二大值列'sec_max'

下面提供几种实用的方法来生成每行的第二大值列sec_max，同时也可以将该列转为列表：

方法一：使用nlargest（简洁直观） #

利用Series.nlargest()获取每行前2大的值，再取第二个元素：

# 生成第二大值列
df["sec_max"] = df.apply(lambda x: x.nlargest(2).iloc[-1], axis=1)
# 转为列表
sec_maxV = df['sec_max'].tolist()

nlargest(2)会返回每行降序排列的前2个最大值，iloc[-1]提取其中的第二大值。

方法二：通过排序提取 #

对每行的值进行降序排序后，取索引为1的元素（即第二大值）：

df["sec_max"] = df.apply(lambda x: x.sort_values(ascending=False).iloc[1], axis=1)
sec_maxV = df['sec_max'].tolist()

方法三：numpypartition（高效处理大数据集） #

如果你的DataFrame数据量较大，用numpy的partition方法效率更高，避免apply的性能瓶颈：

import numpy as np

df["sec_max"] = np.partition(df.values, -2, axis=1)[:, -2]
sec_maxV = df['sec_max'].tolist()

np.partition会将每行数据按大小分区，-2表示定位到第二大值的位置，直接提取即可，运算速度远快于前两种方法。

内容的提问来源于stack exchange，提问作者andypappy