Python 如何获取列中列表的最大值和最小值？

鉴于此，我有一个数据帧，如下所示：

import pandas as pd
import numpy as np

dict = {
        "A": [[1,2,3,4],[3],[2,8,4],[5,8]]
}

dt = pd.DataFrame(dict)

我希望在B列中有每行的最大值和最小值。我最喜欢的输出是：

              A    B
0  [1, 2, 3, 4]    [1,4]
1           [3]    [3,3] 
2     [2, 8, 4]    [2,8] 
3        [5, 8]    [5,8]

我已经尝试了以下代码，但它不起作用：

dt["B"] =[np.min(dt.A), np.max(dt.A)]

像这样：

In [1592]: dt['B'] = dt.A.apply(lambda x: [min(x), max(x)])     
In [1593]: dt                                   
Out[1593]: 
              A       B
0  [1, 2, 3, 4]  [1, 4]
1           [3]  [3, 3]
2     [2, 8, 4]  [2, 8]
3        [5, 8]  [5, 8]

正如@Ch3steR所建议的，使用

map

，因为它更快：

dt['B'] = dt.A.map(lambda x: [min(x), max(x)]) 

---

您可以创建

DataFrame

，然后通过将最小值和最大值转换为列表，并在需求为无循环时分配回（

Apply

是引擎盖下的循环）：

如果使用

列表理解

的另一个解决方案没有问题，它应该更快，如

应用

，取决于实际数据：

dt['B'] =  [[min(x), max(x)] for x in dt.A]

只是另一种选择：

---

---

对dt.A中的排序值使用列表理解

 dt['B']= [[row[0], row[-1]] for row in dt.A.map(lambda x: sorted(x))]

---

我的意思是，在这个问题上类似于一个循环：然而，

apply

是一个很好的解决方案。在所有的解决方案中，

[[min（x），max（x）]对于dt.a中的x]

是最快的+1@Ch3steR它比杰兹的第一个解决方案快吗？我没想到会这样。@Erfan是的，我

timeit

所有的解决方案。list comp是最快的解决方案，比第二快的解决方案快10倍。可能是我的分析不公平，因为我没有用大列表和大数据帧测试它。啊，好的，我认为应该在相当大的数据上进行比较，以查看方法的效率。@如果有大数据，我将使用一些自定义函数来计算

min

和

max

，在一次过程中可能使用

cython

。在这里，我们在同一个iterable上迭代两次，当它可以在一个过程中完成时，如果列表很小，那么无论如何都不重要。我同意用大数据测试更好。

dt.A.map（…）

比

pd.Series快一点。应用
as
pd.Series.map
用于元素计算。而
map
大约快了20-30µs，但速度也不太快。
dt['B'] = (dt['A'].explode().astype(int).groupby(level=0).agg(['min','max'])
           .to_numpy().tolist())
print(dt)

              A       B
0  [1, 2, 3, 4]  [1, 4]
1           [3]  [3, 3]
2     [2, 8, 4]  [2, 8]
3        [5, 8]  [5, 8]

 dt['B']= [[row[0], row[-1]] for row in dt.A.map(lambda x: sorted(x))]