使用python对数据帧中的项进行分组

我有一个python数据框，其中包含以下字段：

id      date            cost    
A       2017-01-17      19
A       2017-01-17      22
A       2017-03-29      19
A       2017-03-29      10
B       2017-03-16      25

是否可以在两列

id

和

date

上对数据框进行分组，然后根据分组得到最大和最小

成本

id      date            max(cost)   min(cost)   
A       2017-01-17      22           19
A       2017-03-29      19           10
B       2017-03-16      25           25 

---

使用

groupby

+

agg

：

df.groupby(['id', 'date']).cost\
      .agg([('cost(max)', 'max'), ('cost(min)', 'min')]).reset_index()

  id        date  cost(max)  cost(min)
0  A  2017-01-17         22         19
1  A  2017-03-29         19         10
2  B  2017-03-16         25         25

---

使用

groupby

+

agg

：

df.groupby(['id', 'date']).cost\
      .agg([('cost(max)', 'max'), ('cost(min)', 'min')]).reset_index()

  id        date  cost(max)  cost(min)
0  A  2017-01-17         22         19
1  A  2017-03-29         19         10
2  B  2017-03-16         25         25

或使用

apply

df.groupby(['id', 'date'],as_index=False).cost.apply(lambda x : pd.Series([min(x),max(x)],index=['min(cost)','max(cost)']))
Out[1021]: 
               min(cost)  max(cost)
id date                            
A  2017-01-17         19         22
   2017-03-29         10         19
B  2017-03-16         25         25

或使用

apply

df.groupby(['id', 'date'],as_index=False).cost.apply(lambda x : pd.Series([min(x),max(x)],index=['min(cost)','max(cost)']))
Out[1021]: 
               min(cost)  max(cost)
id date                            
A  2017-01-17         19         22
   2017-03-29         10         19
B  2017-03-16         25         25

---

这么快LOL:-）这么快LOL:-）