获取数据框中分类变量的最小值和最大值

Question

我有一个如下所示的数据框：

D   X   Y   Z
A  22  16  23
A  21  16  22
A  20  17  21
B  33  50  11
B  34  53  12
B  34  55  13
C  44  34  11
C  45  33  11
C  45  33  10
D  55  35  60
D  57  34  61
E  66  36  13
E  67  38  14 
E  67  37  13

我想获取所有列值中分类变量的最小值和最大值D，因此输出数据框应如下所示：

D Xmin Xmax Ymin Ymax Zmin Zmax
A 20    22   16   17   21   23 
B 33    34   50   55   11   13    
C 44    45   33   34   10   11  
D 55    57   34   35   60   61
E 66    67   36   38   13   14

我已经尝试过这个，但没有运气：

min_max_df = dfObj.groupby('D').agg({'X': [dfObj.min(axis=0), dfObj.max(axis=0)]})

Answer 1

df = df.groupby('D').agg(['min', 'max'])

输出：

>>> df
    X       Y       Z    
  min max min max min max
D                        
A  20  22  16  17  21  23
B  33  34  50  55  11  13
C  44  45  33  34  10  11
D  55  57  34  35  60  61
E  66  67  36  38  13  14

>>> df['X']['min']
D
A    20
B    33
C    44
D    55
E    66
Name: min, dtype: int64

您也可以展平列：

df.columns = df.columns.map(''.join)
df.rename_axis(None)

   Xmin  Xmax  Ymin  Ymax  Zmin  Zmax
A    20    22    16    17    21    23
B    33    34    50    55    11    13
C    44    45    33    34    10    11
D    55    57    34    35    60    61
E    66    67    36    38    13    14

Answer 2

from itertools import product
aggs = {f"{col}{fn}": (col, fn) for col,fn in product(['X', 'Y', 'Z'], ['min', 'max'])}
df.groupby('D').agg(**aggs)
>>>
   Xmin  Xmax  Ymin  Ymax  Zmin  Zmax
D
A    20    22    16    17    21    23
B    33    34    50    55    11    13
C    44    45    33    34    10    11
D    55    57    34    35    60    61
E    66    67    36    38    13    14

Answer 3

我相信这是一种很好的方法，并且只需一行代码即可。利用join 通过索引和and进行运算来区分最小值和最大值。rsuffixlsuffix

output = df.groupby('D').min().join(df.groupby('D').max(), lsuffix='min', rsuffix='max')

输出：

   Xmin  Xmax  Ymin  Ymax  Zmin  Zmax
D
A    20    22    16    17    21    23
B    33    34    50    55    11    13
C    44    45    33    34    10    11
D    55    57    34    35    60    61
E    66    67    36    38    13    14

Answer 4

df = df.groupby('D').agg(['min', 'max'])\ndf.columns = df.columns.map("".join)  # flatten multi-level columns\n

\n

输出

\n

>>> df\n\n   Xmin  Xmax  Ymin  Ymax  Zmin  Zmax\nD                                    \nA    20    22    16    17    21    23\nB    33    34    50    55    11    13\nC    44    45    33    34    10    11\nD    55    57    34    35    60    61\nE    66    67    36    38    13    14\n

\n

速度测试

\n

我做了一些简单的测试，比较了 Celius、Asish 和 user17242583/我的解决方案。

\n

设置

\n

import numpy as np \nimport pandas as pd \nfrom itertools import product\n\nn = 1_000_000\nrng = np.random.default_rng() \n\ndf = pd.DataFrame({\n    'D': rng.choice(list("ABCDEFGH"), size=n),\n    'X': rng.integers(100, size=n),\n    'Y': rng.integers(100, size=n),\n    'Z': rng.integers(100, size=n),\n})\n\n>>> df.shape\n(1000000, 4)\n

\n

结果

\n

这是结果。

\n

# Ashish's \n>>> %%timeit -n 50\n... aggs = {f"{col}{fn}": (col, fn) for col,fn in product(['X', 'Y', 'Z'], ['min', 'max'])}\n... df1 = df.groupby('D').agg(**aggs) \n\n116 ms \xc2\xb1 5.88 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 50 loops each)\n\n# user17242583's / mine \n>>> %%timeit -n 50\n... df1 = df.groupby('D').agg(['min', 'max'])\n... df1.columns = df1.columns.map("".join)  # flat multi-level columns\n\n120 ms \xc2\xb1 4.69 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 50 loops each)\n\n#Celius's\n>>> %%timeit -n 50\n... df1 = df.groupby('D').min().join(df.groupby('D').max(), lsuffix='min', rsuffix='max')\n\n178 ms \xc2\xb1 6.29 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 50 loops each)\n

\n

比较前两个和最后一个，我们可以得出结论，DataFrameGroupBy.agg对于大型 DataFrame，使用速度要快一些。

\n