如何获取DataFrame某列中数组的最大值并追加至原数据框？

问题分析 #

你原来的代码有几个关键问题导致无法正常工作：

• 遍历DataFrame的方式错误：for line in df实际上是遍历DataFrame的列名（也就是a和b），而不是每一行数据，所以你根本无法获取到每行的b列列表。
• 错误处理b列数据：你的b列已经是Python列表类型，不需要用split(',')去分割字符串，也不需要转成float（列表里的元素已经是整数）。
• 没有将计算出的最大值写入原DataFrame，只是打印结果。

正确解决方案 #

我们可以用Pandas的内置方法高效处理每行的列表，计算最大值并添加为新列max_val，这里给你两种常用方案：

方法1：直观的apply写法

这是最容易理解的方式，直接针对b列的每个列表计算最大值：

import pandas as pd

# 先构造你的示例DataFrame（如果已有可跳过）
data = {
    'a': ['loc.1', 'loc.2', 'loc.3'],
    'b': [[1, 2, 3, 4, 7, 5, 6], [3, 4, 3, 7, 7, 8, 6], [1, 4, 3, 1, 7, 8, 6]]
}
df = pd.DataFrame(data)

# 计算每个列表的最大值并添加新列
df['max_val'] = df['b'].apply(lambda x: max(x))

print(df)

运行后会得到你想要的输出：

a                     b  max_val
0  loc.1  [1, 2, 3, 4, 7, 5, 6]        7
1  loc.2  [3, 4, 3, 7, 7, 8, 6]        8
2  loc.3  [1, 4, 3, 1, 7, 8, 6]        8

方法2：大数据集更高效的矢量化写法

如果你的DataFrame数据量很大，apply的性能可能不够理想，我们可以用矢量化操作来提速：

df['max_val'] = pd.DataFrame(df['b'].tolist()).max(axis=1)

这种方式把列表列展开成临时DataFrame，再直接计算每行的最大值，性能比apply更优。

再拆解原代码的问题 #

顺便帮你理清楚原代码的逻辑错误：

• 如果你想遍历每行数据，应该用for idx, row in df.iterrows()，这样row['b']就能拿到每行的列表。
• 拿到列表后直接调用max(row['b'])就可以得到最大值，完全不需要split和map(float)的操作。

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