Python 减少列值之间的数据帧

我想计算间隔

col1=0，col2=1

和

col1=0，col2=2

之间的运算，即以下数据帧的col3的最大值和最小值之间的差值：

import pandas as pd


df = pd.DataFrame({'id':['id1','id1','id1','id1','id1','id1','id1','id1','id2','id2','id2','id2','id2','id2']
                  ,'col1':[0,1,0,0,1,1,0,0,1,0,0,1,1,0],'col2':[1,2,2,1,2,2,2,1,2,2,1,2,2,2],'col3':[11,12,13,14,11,22,33,11,12,13,14,11,22,33]})

这看起来像这样： 一些额外信息：

当col1为0，col2为1时，这意味着这是一个 子集，当col1为0，col2为2时，这意味着这是一个 使用col3值计算操作的子集，如前所述 解释道

目标 通过id获得间隔0-1和0-2之间的不同计算。通过这种方式，我们可以得到如下结果：

# desired ouput
pd.DataFrame({'id':['id1','id1','id2','id2'], 'result':[2,22,2,22]})

    id  result
0  id1       2
1  id1      22
2  id2       2
3  id2      22

---

如果我们像前面一样读取原始数据库，我们会注意到它位于id1中，有两个区间id（0-1和0-2），在这两个区间中，我们需要计算给定区间中col3的max-min。此外，我们有几个id，因此在最后，我们将获得0-1和0-2之间间隔的所有结果及其各自的id标签。

由于您的

id

列似乎已经划分了您的组，您甚至不需要使用

col1

或

col2

只需在

id

列上分组，并应用lambda函数，该函数获取组中最大值和最小值之间的差值

>>> df.groupby('id')['col3'].apply(lambda group: group.max() - group.min()).reset_index()
    id  col3
0  id1     2
1  id2    22

---

由于您的

id

列似乎已经划分了您的组，因此您甚至不需要使用

col1

或

col2

只需在

id

列上分组，并应用lambda函数，该函数获取组中最大值和最小值之间的差值

>>> df.groupby('id')['col3'].apply(lambda group: group.max() - group.min()).reset_index()
    id  col3
0  id1     2
1  id2    22

回答你原来的问题： 您可以将

.groupby

与

.apply一起使用：

def diffbetween(df):
    start = df[(df.col1 == 0) & (df.col2 == 1)].index[0]
    end = df[(df.col1 == 0) & (df.col2 == 2)].index[0]
    return df.loc[end].col3 - df.loc[start].col3

print(df.groupby('id').apply(diffbetween).to_frame(name='result').reset_index())
    id  result
0  id1       2
1  id2      19

这适用于以下情况：您正在查找特定值
col1=0
，
col2=1
，
col1=0
，
col2=2
，
col2=2如果这些值始终分别为最小值和最大值（如果不会超过），则应使用@Alexander's

回答你的新问题：
回答你原来的问题：
您可以将
.groupby
与
.apply一起使用：

def diffbetween(df):
    start = df[(df.col1 == 0) & (df.col2 == 1)].index[0]
    end = df[(df.col1 == 0) & (df.col2 == 2)].index[0]
    return df.loc[end].col3 - df.loc[start].col3

print(df.groupby('id').apply(diffbetween).to_frame(name='result').reset_index())
    id  result
0  id1       2
1  id2      19

这适用于以下情况：您正在查找特定值
col1=0
，
col2=1
，
col1=0
，
col2=2
，
col2=2如果这些值始终分别为最小值和最大值（如果不会超过），则应使用@Alexander's

回答你的新问题：
如果最大值是33（第6行），最小值是11（第4行），那么第3-6行不算一个区块吗？结果是22对19，如上图所示？@Brad Solomon，问题部分有效，我用最简单的方式编辑了问题。如果最大值是33（第6行），最小值是11（第4行），那么第3-6行不算一个区块吗，结果是上面显示的22对19？@Brad Solomon，问题部分有效，我以最简单的方式编辑了问题。在组中选择
id
列值的逻辑是什么？我现在需要运行，但今天晚些时候将再次查看。原始数据集将有更多id，因此我想计算不同id之间和同一id内部的所有块的操作。在这种情况下，我只给出了一个id。因为这是主要问题，但每个组都有多个
id
值。是否应该假设给定块中的所有值都相同（例如，仅使用第一个）？或者一个给定的块可能有多个值，在这种情况下如何选择？一个id有几对（0,1）作为起始，0,2作为结束，其中我们必须计算每个块（0,1--0,2）中的最大值和最小值之间的差，并对其id进行签名。最后，我们会得到类似于：id1 id1 id1 id2 id2 id2。。。idn及其值（块值）。在组中选择
id
列值的逻辑是什么？我现在需要运行，但今天晚些时候将再次查看。原始数据集将有更多id，因此我想计算不同id之间和同一id内部的所有块的操作。在这种情况下，我只给出了一个id。因为这是主要问题，但每个组都有多个
id
值。是否应该假设给定块中的所有值都相同（例如，仅使用第一个）？或者一个给定的块可能有多个值，在这种情况下如何选择？一个id有几对（0,1）作为起始，0,2作为结束，其中我们必须计算每个块（0,1--0,2）中的最大值和最小值之间的差，并对其id进行签名。最后，我们会得到类似于：id1 id1 id1 id2 id2 id2。。。idn及其值（块值）。@PeCaDe这是您要查找的输出吗？如果没有，只需确保在问题中准确指定您想要的结果。@PeCaDe这是您要查找的输出吗？如果没有，只需确保在问题中明确指定您想要的结果。