Python 使用idxmax和idxmin更改不同行中的值

我正在尝试找到最干净、最泛化的方法来创建一个新列，该列具有同一行中一列的最小值和另一列中的最大值。其余的值可以是nan，因为我将进行插值

rng = pd.date_range(start=datetime.date(2020,8,1), end=datetime.date(2020,8,3), freq='H')
df = pd.DataFrame(rng, columns=['date'])
df.index=pd.to_datetime(df['date'])
df.drop(['date'],axis=1,inplace=True)
df['val0']=np.random.randint(0,50,49)
df['val1']=np.random.randint(0,50,49)

df（复制剪切粘贴）的一种实现：

现在，我找到了的idxmax和idxmin：

minidx=df.groupby(pd.Grouper(freq='D')).idxmin()
maxidx=df.groupby(pd.Grouper(freq='D')).idxmax()

minidx:

                          val0                val1
date                                              
2020-08-01 2020-08-01 23:00:00 2020-08-01 01:00:00
2020-08-02 2020-08-02 06:00:00 2020-08-02 10:00:00
2020-08-03 2020-08-03 00:00:00 2020-08-03 00:00:00

maxidx：

                          val0                val1
date                                              
2020-08-01 2020-08-01 09:00:00 2020-08-01 21:00:00
2020-08-02 2020-08-02 21:00:00 2020-08-02 18:00:00
2020-08-03 2020-08-03 00:00:00 2020-08-03 00:00:00

在这种情况下，我希望将位于2020-08-01 23:00:00的最小日值（7）放入2020-08-01 21:00:00的新列中（即与89相邻，日最大值1），并对所有其他日期执行相同操作，以便2020-08-02 18:00:00的“新”值将为1（即2020-08-02 06:00:00发生的最小日值）

我尝试了以下方法，但我只得到了一堆NaN：

df.loc[maxidx['val1'].values,'new']=df.loc[minidx['val0'].values,'val0']

如果我只是将其设置为int（

df.loc[maxidx['val1'].values，'new']=6

），我会在需要新值的地方得到int。我想要的值由

df.loc[minidx['val0'].values，'val0']

给出，但我似乎无法将它们放入数据帧

minidx['val0'].值

和

maxidx['val1'].值

是与numpy.datetime64类型元素大小相同的数组，它们都是从相同的数据帧生成的，因此maxidx和minidx应该存在于df.index（

df.index.values

）中

---

有没有一个明显的原因，这是不工作的？谢谢

我找到的最简单的解决方案是通过idxmin和idxmax进行循环：

for v0,v1 in zip(minidx['val0'].values,maxidx['val1'].values):
    df.loc[v1,'new']=df.loc[v0,'val0']

---

这给了我想要的东西，但似乎不是很随意，所以任何其他实现同样的事情的建议都是很好的。

我找到的最简单的解决方案是循环使用idxmin和idxmax：

for v0,v1 in zip(minidx['val0'].values,maxidx['val1'].values):
    df.loc[v1,'new']=df.loc[v0,'val0']

---

这给了我我想要的，但似乎不是很夸张，所以任何其他实现同样目标的建议都会很好。

IIUC，您可以使用：

输出：

                 val0_min_time  val0_min_value       val0_max_time  val0_max_value       val1_min_time  val1_min_value       val1_max_time  val1_max_value
date                                                                                                                                                      
2020-08-01 2020-08-01 23:00:00               7 2020-08-01 09:00:00              95 2020-08-01 01:00:00               0 2020-08-01 21:00:00              89
2020-08-02 2020-08-02 06:00:00               1 2020-08-02 21:00:00              96 2020-08-02 10:00:00               0 2020-08-02 18:00:00              96
2020-08-03 2020-08-03 00:00:00              26 2020-08-03 00:00:00              26 2020-08-03 00:00:00              47 2020-08-03 00:00:00              47

---

IIUC，您可以使用：

输出：

                 val0_min_time  val0_min_value       val0_max_time  val0_max_value       val1_min_time  val1_min_value       val1_max_time  val1_max_value
date                                                                                                                                                      
2020-08-01 2020-08-01 23:00:00               7 2020-08-01 09:00:00              95 2020-08-01 01:00:00               0 2020-08-01 21:00:00              89
2020-08-02 2020-08-02 06:00:00               1 2020-08-02 21:00:00              96 2020-08-02 10:00:00               0 2020-08-02 18:00:00              96
2020-08-03 2020-08-03 00:00:00              26 2020-08-03 00:00:00              26 2020-08-03 00:00:00              47 2020-08-03 00:00:00              47

---

IIUC您可以直接使用

df.groupby（pd.Grouper（freq=“D”））.agg（{val0:“min”，“val1:“max”}）

？据我所见，这会给出值，但不会给出索引。我需要的是索引，这样我就可以将“new”的值直接分配给适当的行（即最大值1的“date_time”）。IIUC您可以使用

df.groupby（pd.Grouper（freq=“D”））.agg（{“val0”：“min”，“val1”：“max”}）

，从我的角度来看，这给了我值，但不是索引。我需要的是索引，以便我可以将“new”的值分配给适当的行（即最大值为1的“date\u time”）。