如何在不创建临时列的情况下从 pandas 数据框列计算最小值？
How do you compute minimum from pandas data frame columns, without creating temporary column?
假设，我有一个 pandas 数据框 df，其中包含列 A、B 和 C。我想从列上的算术运算符计算行最小值，特别是 df['D']=min(df['A']+dF['B']*3, df['C']*np.sqrt(12))。我看过相关问题，似乎我需要先为 min 函数中的参数创建两列，然后它们执行 min of axis =1。我想知道是否有另一种方法，而不创建临时列。
无需创建新列，您可以使用 apply:
df['D'] = df.apply(lambda x: min(x['A'] + x['B']*3, x['C']*np.sqrt(12), axis=1)
但最好只做：
df['D'] = np.mininum(df['A']+dF['B']*3, df['C']*np.sqrt(12))
这会创建两个中间体 columns/series，但由于矢量化，速度要快得多。
假设，我有一个 pandas 数据框 df，其中包含列 A、B 和 C。我想从列上的算术运算符计算行最小值，特别是 df['D']=min(df['A']+dF['B']*3, df['C']*np.sqrt(12))。我看过相关问题，似乎我需要先为 min 函数中的参数创建两列，然后它们执行 min of axis =1。我想知道是否有另一种方法，而不创建临时列。
无需创建新列，您可以使用 apply:
df['D'] = df.apply(lambda x: min(x['A'] + x['B']*3, x['C']*np.sqrt(12), axis=1)
但最好只做：
df['D'] = np.mininum(df['A']+dF['B']*3, df['C']*np.sqrt(12))
这会创建两个中间体 columns/series，但由于矢量化，速度要快得多。