Python 熊猫：组内最大值和最小值之间的差异

给定一个如下所示的数据帧

GROUP VALUE
  1     5
  2     2
  1     10
  2     20
  1     7

我想计算每组中最大值和最小值之间的差值。也就是说，结果应该是

GROUP   DIFF
  1      5
  2      18

在熊猫身上做这件事的简单方法是什么

对于一个包含大约200万行和100万组的数据帧，在Pandas中执行此操作的快速方法是什么？

您可以使用

groupby（）

、

min（）

和

max（）

：

---

groupby/agg

通常在利用内置聚合器（如

'max'

和

'min'

）时性能最佳。因此，要获得差值，首先计算

max

和

min

，然后减去：

import pandas as pd
df = pd.DataFrame({'GROUP': [1, 2, 1, 2, 1], 'VALUE': [5, 2, 10, 20, 7]})
result = df.groupby('GROUP')['VALUE'].agg(['max','min'])
result['diff'] = result['max']-result['min']
print(result[['diff']])

屈服

       diff
GROUP      
1         5
2        18

---

使用@unutbu的

df

每次计时
unutbu的解决方案最适用于大型数据集

import pandas as pd
import numpy as np

df = pd.DataFrame({'GROUP': [1, 2, 1, 2, 1], 'VALUE': [5, 2, 10, 20, 7]})

df.groupby('GROUP')['VALUE'].agg(np.ptp)

GROUP
1     5
2    18
Name: VALUE, dtype: int64

---

返回数组的范围

---

定时
小型

df

大

df

df=pd.DataFrame（dict（GROUP=np.arange（1000000）%100，VALUE=np.rand.rand（1000000））

大

df

许多组

df=pd.DataFrame（dict（GROUP=np.arange（1000000）%10000，VALUE=np.rand.rand（1000000））

---

很长一段时间以来，我一直在想为什么熊猫没有射程法。很高兴知道numpy有，我是不是遗漏了什么？似乎np.ptp方法仅在“小df”情况下最快。在其他情况下，.agg（[max]，[min]）.diff（axis=1）方法的性能明显更好。@Heavybreating您没有错过任何东西。我提供了一个替代解决方案，但同时验证了另一个海报的解决方案。老实说，我很惊讶这比

agg（np.ptp）

好多少，尤其是在大量的组中！如果我想对几列中的每一列，而不仅仅是一列（“值”）执行此操作，该怎么办？@CPBL：如果您想为

df

（每个

组

）的所有列找到

min

和

max

，那么只需删除

['VALUE']

。也就是说，使用

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

。如果您希望为某些但不是所有列查找每个

组的
min
，
max
，请首先限制
df
：
df[['GROUP'，'VALUE1'，'VALUE2']].groupby（'GROUP'）.agg（['max'，'min'）
。谢谢。是否有一条线来获得差异？（不使用np.ptp，因为我实际上需要agg（['last'，'first']）@CPBL的符号差：您可以使用
df.groupby（'GROUP'）.agg（['last'，'first']）.stack（level=0.diff（axis=1）。取消堆栈（-1）['last']
。但我觉得这并不特别可读。可能使用3行代码
result=df.groupby（'GROUP'）.agg（['last'，'first']）
，
result=result.reorder_levels（[1,0]，axis=1）
，
result['last']-result['first']
更好。
import pandas as pd
import numpy as np

df = pd.DataFrame({'GROUP': [1, 2, 1, 2, 1], 'VALUE': [5, 2, 10, 20, 7]})

df.groupby('GROUP')['VALUE'].agg(np.ptp)

GROUP
1     5
2    18
Name: VALUE, dtype: int64