Pandas查找最大列，从另一列中减去并替换该值

Question

我有一个这样的df：

 A    |  B     |  C  | D
14    |  5     | 10  | 5
 4    |  7     | 15  | 6
100   | 220    |  6  | 7

对于列A，B，C中的每一行，我希望找到最大值，并从中减去列D并替换它。

预期结果：

 A   |  B   |  C  |  D
 9   |  5   | 10  |  5
 4   |  7   |  9  |  6
100  | 213  |  6  |  7

因此，对于第一行，它将选择14 (14，5，10中的最大值)，从中减去D列(14-5 =9)并替换结果(将初始值14替换为9)

我知道如何求出A，B，C的最大值，然后从它减去D，但我被替换的部分难住了。

我想把结果放在另一个名为E的列中，然后再次找到A，B，C的最大值，并替换为E列，但这没有任何意义，因为我将尝试为函数调用赋值。还有没有其他的选择呢？

#Exmaple df
list_columns = ['A', 'B', 'C','D']
list_data = [ [14, 5, 10,5],[4, 7, 15,6],[100, 220, 6,7]]
df= pd.DataFrame(columns=list_columns, data=list_data)

#Calculate the max and subctract 
df['e'] = df[['A', 'B']].max(axis=1) - df['D']

#To replace, maybe something like this. But this line makes no sense since it's backwards
df[['A', 'B','C']].max(axis=1) = df['D']

Answer 1

使用DataFrame.mask仅替换通过将筛选列的所有值与最大值进行比较而匹配的最大值：

cols = ['A', 'B', 'C']
s =  df[cols].max(axis=1)
df[cols] = df[cols].mask(df[cols].eq(s, axis=0), s - df['D'], axis=0)
print (df)
     A    B   C  D
0    9    5  10  5
1    4    7   9  6
2  100  213   6  7