Python 使用Pandas，如何从一组列中找到满足相应列集条件的最小/最大值和索引？

我有一个数据帧，它有两组列，它们的名称是匹配的（x1，x2，…和y1，y2，…）

对于数据帧中的每一行，我需要创建一个包含min/max x列的新列，以便y分别最小化/最大化

使用Excel，我可以通过以下公式接近所需结果：

=MINIFS（，，MIN（））

=MAXIFS（，，MAX（））

虽然我还需要使用Pandas的

idxmin

和

idxmax

来获取列名

作为一个例子，下面的数据行需要返回55 /x2（席席，如Y= YMIN）和56 /X3（max Xi，使得Y= Ymax）

---

这是我的方法，经过几次尝试和错误：

new_df = (pd.wide_to_long(df.reset_index(), 
                stubnames=['x','y'], 
                i='index',
                j='xy')
            .reset_index()
            .drop('xy', axis=1)
            .groupby(['index', 'y'])['x'].agg(['max', 'min'])
            .groupby('index')
            .apply(lambda x: pd.Series(x.values[[0,-1], [1,0]],
                                       index=['ymin', 'ymax']) )
         )

输出：

       ymin  ymax
index            
0        55    56

---

更新：如果您还需要列名，这可以是一个选项：

new_df = (pd.wide_to_long(df.reset_index(), 
                stubnames=['x','y'], 
                i='index',
                j='xy')
            .reset_index()
         )

u = (new_df.groupby(['index', 'y'])['x'].agg(['idxmax','idxmin'])
         .groupby('index')
         .apply(lambda x: pd.Series(x.values[[0,-1], [1,0]],
                                       index=['ymin', 'ymax']) )    
    )

然后：

给出：

   index  xy   x  y
1      0   2  55  0

   index  xy   x  y
2      0   3  56  3

及

给出：

   index  xy   x  y
1      0   2  55  0

   index  xy   x  y
2      0   3  56  3

---

多亏了Quang Hoang，我成功地整合了这个函数，它给出了我想要的结果：

def conditional_minmax(df, xprefix, yprefix):

    new_df = (pd.wide_to_long(df.reset_index(),
                              stubnames=[xprefix, yprefix],
                              i='index',
                              j='xy')
              .reset_index()
              .drop('xy', axis=1)
              .groupby(['index', yprefix])[xprefix].agg(['max', 'min'])
              .groupby('index')
              .apply(lambda x: pd.Series(x.values[[0, -1], [1, 0]],
                                         index=['_xmin', '_xmax']))
              )

    new_df['_xidxmin'] = abs(df.filter(regex='^' + xprefix).sub(new_df['_xmin'], axis=0)).idxmin(axis=1)
    new_df['_xidxmax'] = abs(df.filter(regex='^' + xprefix).sub(new_df['_xmax'], axis=0)).idxmin(axis=1)

    return new_df

---

df.loc[row\u list，col\u list].max（）.max（）

？谢谢，但我想这不是我想要的。它将如何考虑y列标准？能否提供示例数据和预期输出？我在问题中添加了一个示例。希望这有意义。这看起来很棒，谢谢！我不知道

wide\u to\u long

函数。是否可以将其扩展为同时返回对应于ymin和ymax的列名？在这种情况下，x2和x3。

def conditional_minmax(df, xprefix, yprefix):

    new_df = (pd.wide_to_long(df.reset_index(),
                              stubnames=[xprefix, yprefix],
                              i='index',
                              j='xy')
              .reset_index()
              .drop('xy', axis=1)
              .groupby(['index', yprefix])[xprefix].agg(['max', 'min'])
              .groupby('index')
              .apply(lambda x: pd.Series(x.values[[0, -1], [1, 0]],
                                         index=['_xmin', '_xmax']))
              )

    new_df['_xidxmin'] = abs(df.filter(regex='^' + xprefix).sub(new_df['_xmin'], axis=0)).idxmin(axis=1)
    new_df['_xidxmax'] = abs(df.filter(regex='^' + xprefix).sub(new_df['_xmax'], axis=0)).idxmin(axis=1)

    return new_df