如何在Pandas DataFrame中添加基于max()函数判断结果的新列？

首先纠正你代码里的两个基础问题：

1. 导入numpy时拼写错误：import bumpy as np 应该改成 import numpy as np
2. 你的np.where语法错误，且用Python内置max()处理多列Series的方式不对——max()会尝试判断整个Series的真假，这就是触发ValueError的原因，Pandas无法解析这种模糊的布尔判断。

正确实现方式 #

要实现需求，核心是先计算每行B、C、D三列的最大值，再和A列逐行比较。这里提供两种简洁的写法：

方法1：使用np.where

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(0,100,size=(5, 4)), columns=list('ABCD'))
# 按行计算B/C/D的最大值，再和A列比较
df['E'] = np.where(df['A'] > df[['B', 'C', 'D']].max(axis=1), 1, 0)

方法2：布尔值转整数

利用Pandas中布尔值True等价于1、False等价于0的特性，直接转换类型：

df['E'] = (df['A'] > df[['B', 'C', 'D']].max(axis=1)).astype(int)

关键说明 #

df[['B', 'C', 'D']].max(axis=1) 中的axis=1表示按行计算最大值，返回一个和A列长度一致的Series，这样和A列逐行比较时，就能得到每行对应的布尔判断结果，再转换成你需要的1/0即可。

内容的提问来源于stack exchange，提问作者connorc