示例数据(请注意,您发布了一张图像,如果不重新输入,潜在的回答者就无法使用该图像,因此我在其位置上做了一个简单的示例):
df=pd.DataFrame({ 'id':[1,1,1,1,2,2,2,2],
'a':range(8), 'b':range(8,0,-1) })
关键是使用idxmax
and idxmin
然后修改索引,以便您可以以可读的方式合并内容。这是完整的答案,您可能希望检查中间数据帧以了解其工作原理。
df_max = df.groupby('id').idxmax()
df_max['type'] = 'max'
df_min = df.groupby('id').idxmin()
df_min['type'] = 'min'
df2 = df_max.append(df_min).set_index('type',append=True).stack().rename('index')
df3 = pd.concat([ df2.reset_index().drop('id',axis=1).set_index('index'),
df.loc[df2.values] ], axis=1 )
df3.set_index(['id','level_2','type']).sort_index()
a b
id level_2 type
1 a max 3 5
min 0 8
b max 0 8
min 3 5
2 a max 7 1
min 4 4
b max 4 4
min 7 1
特别注意 df2 看起来像这样:
id type
1 max a 3
b 0
2 max a 7
b 4
1 min a 0
b 3
2 min a 4
b 7
最后一列保存索引值df
是由idxmax
& idxmin
。所以基本上你需要的所有信息都在df2
。剩下的只是合并回来的问题df
并使其更具可读性。