Python：从含字符串、NaN与整数的分散数据中提取每行最大值

嘿，我完全懂你的困扰——当DataFrame里混着字符串、NaN和数值的时候，直接调用max(axis=1)肯定会翻车，毕竟Python没法把字符串和数字放在一起比大小。咱们一步步来搞定这个问题：

第一步：先清理数值列里的非数值内容 #

你的数据里不仅team是字符串，看起来部分数值列（比如示例里的sf列出现了NYN）也混进了字符串。首先得把这些目标列统一转换成数值类型，没法转换的内容就强制变成NaN，这样后续计算就不会触发类型错误了。

可以用pd.to_numeric()配合errors='coerce'参数实现，这个参数会自动把非数值内容转成NaN：

# 指定需要处理的数值列（排除team这类明确是字符串的列）
target_cols = ['so', 'ibb', 'hpb', 'sh', 'sf', 'gidp']
# 将目标列批量转换为数值类型，非数值内容转为NaN
df[target_cols] = df[target_cols].apply(pd.to_numeric, errors='coerce')

第二步：计算每行的最大值 #

现在所有目标列都是数值类型了（NaN属于数值类型范畴），这时候再用max(axis=1)就完全没问题了，它会自动忽略每行里的NaN值：

# 新增max列，存储每行的最大值
df['max'] = df[target_cols].max(axis=1)

额外小技巧：不想修改原数据的话？ #

要是你不想改动原DataFrame的列类型，可以用临时转换的方式一步到位：

df['max'] = df[target_cols].apply(lambda col: pd.to_numeric(col, errors='coerce')).max(axis=1)

这样处理后，不管是原本的NaN还是被转成NaN的字符串，都会被max函数忽略，最终得到每行的数值最大值。

内容的提问来源于stack exchange，提问作者Iwan