Python 计算每个供应商的最大分数-最小分数，单位为：

我想计算熊猫数据框架中项目的最大分数-最小分数

当前df如下所示：

projectID supplierID score
1         1          50
1         2          60 
1         3          75

我希望它看起来像这样：
最大最小值=>75-50=25

projectID supplierID score max-min
1         1          50    25
1         2          60    25
1         3          75    25 

我想对每个projectd执行这个操作，您可以使用它通过一个lambda函数将结果广播回来，该函数进行减法和

---

您可以使用

GroupBy

+

transform

：

g = df.groupby('projectID')['score']
df['max-min'] = g.transform('max') - g.transform('min')

transform

方法将常规

GroupBy

的结果与grouper系列对齐。

使用（“峰对峰”）：

---

您可以使用

groupby

获取最大值和最小值，然后

join

将“projectId”上的结果作为新列：

import pandas as pd

df = pd.DataFrame([[1, 1, 30],
                   [1, 2, 50],
                   [2, 1, 60],
                   [2, 2, 40],
                   [1, 3, 20]],
                  columns=["projectID", "supplierID", "score"])

df.join(  df.groupby(["projectID"])["score"].max() 
        - df.groupby(["projectID"])["score"].min(), 
        on="projectID", rsuffix="_max-min")

---

如果我想计算每个分数与最大分数之间的差异，该怎么办？如何做到这一点？

df['max-min']=df.groupby('projectID').score.transform(np.ptp)
#df.groupby('projectID').score.transform(np.ptp)
Out[229]: 
0    25
1    25
2    25
Name: score, dtype: int64

import pandas as pd

df = pd.DataFrame([[1, 1, 30],
                   [1, 2, 50],
                   [2, 1, 60],
                   [2, 2, 40],
                   [1, 3, 20]],
                  columns=["projectID", "supplierID", "score"])

df.join(  df.groupby(["projectID"])["score"].max() 
        - df.groupby(["projectID"])["score"].min(), 
        on="projectID", rsuffix="_max-min")