Pandas:组内最大值和最小值之间的差异
Pandas:组内最大值和最小值之间的差异
提问于 2016-10-22 03:04:32
给定一个如下所示的数据帧
GROUP VALUE
1 5
2 2
1 10
2 20
1 7我想计算每组中最大值和最小值之间的差异。也就是说，结果应该是
GROUP DIFF
1 5
2 18在Pandas中，有什么简单的方法可以做到这一点？
在Pandas中，对于具有大约200万行和100万组的数据帧，执行此操作的快速方法是什么？
回答 3
Stack Overflow用户
发布于 2016-10-22 03:19:59
使用@unutbu的df
每个定时的
unutbu的解决方案最适合大型数据集
import pandas as pd
import numpy as np
df = pd.DataFrame({'GROUP': [1, 2, 1, 2, 1], 'VALUE': [5, 2, 10, 20, 7]})
df.groupby('GROUP')['VALUE'].agg(np.ptp)
GROUP
1 5
2 18
Name: VALUE, dtype: int64np.ptp docs返回数组的范围
定时
small df
large df
df = pd.DataFrame(dict(GROUP=np.arange(1000000) % 100, VALUE=np.random.rand(1000000)))
large df
多组
df = pd.DataFrame(dict(GROUP=np.arange(1000000) % 10000, VALUE=np.random.rand(1000000)))
Stack Overflow用户
发布于 2016-10-22 03:08:44
通常，当您利用'max'和'min'等内置聚合器时，groupby/agg的性能最好。因此，要获得差值，首先计算max和min，然后减去：
import pandas as pd
df = pd.DataFrame({'GROUP': [1, 2, 1, 2, 1], 'VALUE': [5, 2, 10, 20, 7]})
result = df.groupby('GROUP')['VALUE'].agg(['max','min'])
result['diff'] = result['max']-result['min']
print(result[['diff']])收益率
diff
GROUP
1 5
2 18Stack Overflow用户
发布于 2016-10-22 03:08:31
注意：__：这将完成工作，但有更快的方法。
您可以使用groupby()、min()和max()
df.groupby('GROUP')['VALUE'].apply(lambda g: g.max() - g.min())页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/40183800
复制相关文章
相似问题
腾讯云开发者
