Pandas.Series.max() 最大值 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

Pandas.Series.max()

Pandas.Series.max 方法用于返回 Series 的最大值。

• 如果您想要获取最大值的索引，请使用 Series.idxmax。

语法：

Series.max(axis=0, skipna=True, numeric_only=False, **kwargs)

返回值：

• Series or scalar

参数说明：

axis 指定计算方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数，用于指定计算方向，即按行计算或按列计算最大值：

  • 对于 Series 此参数无效，将始终保持 axis=0，即计算整列的最大值。^例1

    • ?? 注意 :

      字符串支持求最大值:^例2

      • 字符串类型的 Series ，不能存在缺失值,会报错！TypeError 。^例2-2
      • 字符串类型，如果和数值类型的数据混在一起，会报错！TypeError ^例2-3

  ? 新增于 Pandas 2.0.0 : axis 参数，新增于Pandas 2.0.0 版本。

skipna 忽略缺失值

• skipna : bool, default False >

  skipna 参数，用于指定求最大值的时候是否忽略缺失值：

  • False： 不忽略，[缺失值] 在求最大值的时候，会被解析为浮点数 float。当字符串和缺失值混合时，会报错！TypeError。 ^例2-2
  • True: 忽略缺失值。

  ?? 注意 :

  如果整行或整列，都是缺失值，那么最大值结果也是缺失值。 ^例3

numeric_only 排除非纯数值的行或列

• numeric_only : bool, default False

  numeric_only 参数，对 Series 无效

**kwargs 关键字参数

• kwargs
  kwargs 参数，是为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。

相关方法：

?? 相关方法

---

• Series.sum

  求和（累和）

• Series.min

  最小值

• Series.idxmin

  最小值索引

• Series.idxmax

  最大值索引

• DataFrame.sum

  求和（累和）

• DataFrame.min

  最小值

• DataFrame.max

  最大值

• DataFrame.idxmin

  最小值索引

• DataFrame.idxmax

  最大值索引

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

read_excel_na_values

测试文件下载位置

例1：如果是 Series 始终保持 axis=0，即计算整列的最大值。

import numpy as np
import pandas as pd

s = pd.Series([24.0, np.nan, 21.0, 33, 26], name="age")
s.max()

33.0

例2：Series 可以都是字符串类型的数据，字符串支持求最大值。但是，如果和数值类型的数据混在一起，会报错！

例2-1、全是字符串是可以求最大值的

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", "你"])
s.max()

'你'

例2-2、字符串类型 Series 如果存在缺失值（NaN） 会报错

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", np.nan, "你"])
s.max()

例2-3、字符串类型，如果和数值类型的数据混在一起，会报错！

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", 1, "你"])
s.max()

例3：都是缺失值，那么最大值结果也是缺失值。

import numpy as np
import pandas as pd

s = pd.Series([np.nan, np.nan])

s.max()

nan