如何按键分组并在单行的其他列中返回最小值/最大值？

Question

我有一组数据，我试图根据 A 列中的一个公共键将它们分组在一起，我希望它为每个分组的键值返回一行信息。分组很容易，但我的其他列返回我需要的值时遇到问题。这是数据框：

df = pd.DataFrame({'A': [1,2,1,2,3,3,3,4,5,6,6,4,5,5],
                   'B': [1.1,2.1,1.2,2.2,3.1,3.2,3.3,4.1,5.1,6.1,6.2,4.2,5.2,5.3],
                   'C':[10.1,20.1,10.1,20.1,30.1,30.1,30.1,40.1,50.1,60.1,60.1,40.1,50.1,50.1],
                   'D':['','',10.2,20.2,'','',30.2,'','','',60.2,40.2,'',50.2]
                   })

df
--------------------------------------------------------------------------------------------------
    A   B   C       D
0   1   1.1 10.1    
1   2   2.1 20.1    
2   1   1.2 10.1    10.2
3   2   2.2 20.1    20.2
4   3   3.1 30.1    
5   3   3.2 30.1    
6   3   3.3 30.1    30.2
7   4   4.1 40.1    
8   5   5.1 50.1    
9   6   6.1 60.1    
10  6   6.2 60.1    60.2
11  4   4.2 40.1    40.2
12  5   5.2 50.1    
13  5   5.3 50.1    50.2

我想按“A”列分组，让“B”列显示最小值，然后“D”列返回最大值。我的想要的输出看起来像这样：

    A   B   C       D
0   1   1.1 10.1    10.2
1   2   2.1 20.1    20.2
2   3   3.1 30.1    30.2
3   4   4.1 40.1    40.2
4   5   5.1 50.1    50.2
5   6   6.1 60.1    60.2

我尝试按“A”列分组，然后让“B”列仅提取每个分组键的最小值，然后在单行中显示“B”列中该最小值的剩余列值，但是它输出列“D”的 NaN 值。目前代码的输出如下所示：

df = df.loc[df.groupby('A')['B'].idxmin()]

df
------------------------------------------------------------------------------------------------

    A   B   C     D
0   1   1.1 10.1    
1   2   2.1 20.1    
4   3   3.1 30.1    
7   4   4.1 40.1    
8   5   5.1 50.1    
9   6   6.1 60.1    

我还尝试将 groupby 与 lambda 和 ffill().tail(1) 一起使用，并得到了我想要的列“D”的结果，但列“B”不是最小值/最小值。这是代码和输出：

out = df.replace({'': pd.NA}) \
        .groupby("A", as_index=False) \
        .apply(lambda x: x.ffill().tail(1)) \
        .reset_index(level=0,drop=True)
df = out
df
-------------------------------------------------------------------------------------------------
    A   B   C       D
2   1   1.2 10.1    10.2
3   2   2.2 20.1    20.2
6   3   3.3 30.1    30.2
11  4   4.2 40.1    40.2
13  5   5.3 50.1    50.2
10  6   6.2 60.1    60.2

任何想法如何结合这两段代码来制作它，以便我根据公共键值在同一行中获得“A”列中的最小值和“B”列中的最大值。

感谢任何帮助。

Answer 1

通过replace()方法试试：

df['D']=df['D'].replace('| ',float('NaN'),regex=True)
#replace the '' or ' ' to NaN

最后使用groupby()和agg()：

out=df.groupby('A',as_index=False).agg({'B':'min','C':'first','D':'max'})
#use groupby and agg your according to your need

out的输出：

    A   B       C       D
0   1   1.1     10.1    10.2
1   2   2.1     20.1    20.2
2   3   3.1     30.1    30.2
3   4   4.1     40.1    40.2
4   5   5.1     50.1    50.2
5   6   6.1     60.1    60.2