Pandas DataFrame列中字符串分隔数值列表求最大值异常问题

问题根源 #

你拆分得到的列表里所有元素都是字符串类型，Python对字符串的大小比较是按字符的ASCII编码逐位比对的：
比如字符串'10'和'3'比较时，会先比对第一位字符'1'和'3'，因为'1'的ASCII码小于'3'，所以系统会判定'10' < '3'，也就得到了错误的最大值。

解决方案 #

方案1：修改现有循环逻辑 #

在取最大值前先把列表中所有元素转换为整数类型：

maxlist=[]
for x in df['audience_max'].str.split(','):
    # 先转整数再求最大值
    max_num = max(map(int, x))
    maxlist.append(max_num)
    
df['max_age'] = maxlist

方案2：更简洁的Pandas向量化写法 #

无需写显式循环，处理大数据量时性能更高：

df['max_age'] = df['audience_max'].str.split(',').apply(lambda x: max(map(int, x)))

运行后得到的max_age列会输出正确结果：

0    10
1     4
2     4
3    10
4     3
5     4
6     4
7     4
8    12
9    10
Name: max_age, dtype: int64

内容的提问来源于stack exchange，提问作者migheljackson