Python中取DataFrame两列绝对值最大值的实现方法

你之前的写法失效是因为Python内置的max()是取整个序列的全局最大值，而非对每行的对应元素做比较。以下是几种可行的实现方式：

• 简洁直观的Pandas原生写法：
  直接选取A、B两列，取绝对值后逐行求最大值：

import pandas as pd

df = pd.DataFrame({"A": [-1,2,3], "B": [-2, 8, 1], "C": [-5, -6, 7]})
df["D"] = df[["A", "B"]].abs().max(axis=1)

这里axis=1指定按行计算最大值，最终得到的D列结果为[2, 8, 3]。

• 高性能numpy向量化写法：
  用numpy的maximum函数做元素级别的最大值比较，适合处理大型数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [-1,2,3], "B": [-2, 8, 1], "C": [-5, -6, 7]})
df["D"] = np.maximum(df["A"].abs(), df["B"].abs())

这种方法避免了临时DataFrame的创建，运算效率更高。

• 临时拼接列的写法：
  如果需要更明确的步骤，可以先拼接A、B的绝对值列，再求行最大值：

import pandas as pd

df = pd.DataFrame({"A": [-1,2,3], "B": [-2, 8, 1], "C": [-5, -6, 7]})
df["D"] = pd.concat([df["A"].abs(), df["B"].abs()], axis=1).max(axis=1)

内容的提问来源于stack exchange，提问作者Arun