Python 是否可以为具有2个变量的df创建for循环？

我有一个pandas数据框，其中包含基于不同用户（用户Id列）和日期（日期列/pandas数据对象）的权重（权重列）信息

我想计算所有用户最早和最新测量值之间的重量差

为了计算最早和最新的测量值，我使用以下函数：

earliest_date = []
latest_date = []
for x in Id_list:
    a = weight_info[weight_info['Id']==x]
    earliest_date.append(a['date'].min())
    latest_date.append(a['date'].max())

然后我想创建一个for循环，以便传入日期和最早日期以获取重量信息，例如：

df = weight_info[(weight_info['date']==x) & (weight_info['Id']==y)]
df['weight']

---

但我不知道如何使用基于两个变量的for循环来实现这一点。或者有没有更简单的方法来运行整个计算？

您可以尝试使用“pandasql”。此库允许您使用SQL代码操作数据帧中的数据。我发现它对于处理随机csv文件中的数据帧非常有用

import pandasql as psql

df = 'Your_pandas_df'

# Shows the record counts in your dataset
record_count = psql.sqldf('''
SELECT
COUNT(*) as record_count
FROM df''')

---

使用groupby获取每个用户的最小/最大日期

min_dates = weight_info.groupby('Id').agg({'min':'date'})
max_dates = weight_info.groupby('Id').agg({'max':'date'})

然后加入权重以获得每个用户的最小/最大日期的权重

min_weights = weight_info.merge( min_dates[['Id', 'date']], 
                                 on = ['Id', 'date'], how='inner' )

max_weights = weight_info.merge( max_dates[['Id', 'date']], 
                                 on = ['Id', 'date'], how='inner' )

---

最后，为同一客户减去这两个

非常感谢，稍后再试！到目前为止还不知道.agg（）函数。几个月前刚学会Python。非常感谢，我的SQL没有那么先进，我会试试的！