如何使用pandas根据分组数据减去一列的行？答案

【问题标题】：how to use pandas to subtract rows of a column based upon data by group?如何使用pandas根据分组数据减去一列的行？
【发布时间】：2020-12-15 06:33:22
【问题描述】：

我正在尝试根据第一个和最后一个日期按组计算列的行之间的差异。例如：

df = pd.DataFrame({'ID':["a","a","a","b","b","b"],
                   'start_yr':[2010,2013,2020,2009,2005,2019],
                   'amt':[10,40,30,50,60,100]})

应该返回

a 20   (30-10)
b 40   (100 - 60)

我已经尝试过这样的东西，但我肯定错过了一些东西。

#df['diff'] = df.groupby('ID')['start_yr','amt'].transform(lambda x: (x.max()-x.min()))
df['diff'] = dThe f.groupby('ID')['start_yr'].transform(lambda x: (x.max()-x.min()))

【问题讨论】：

标签： python pandas date pandas-groupby subtraction

【解决方案1】：

首先按DataFrame.sort_values 对两列进行排序，然后用GroupBy.agg 中的第一个值减去最后一个：

df1 = (df.sort_values(['ID','start_yr'])
         .groupby('ID')['amt']
         .agg(lambda x: (x.iat[-1]-x.iat[0]))
         .reset_index())

或者用聚合 GroupBy.first 和 GroupBy.last 减去值：

df = df.sort_values(['ID','start_yr'])
g = df.groupby('ID')['amt']

df1 = g.last().sub(g.first()).reset_index()

或者对于第一个和最后一个值可以使用DataFrame.drop_duplicates：

df = df.sort_values(['ID','start_yr'])

df1 = (df.drop_duplicates('ID', keep='last').set_index('ID')['amt']
         .sub(df.drop_duplicates('ID').set_index('ID')['amt'])
         .reset_index())

print (df1)
  ID  amt
0  a   20
1  b   40

编辑：这是没有先按DataFrameGroupBy.idxmax 排序的想法 DataFrameGroupBy.idxmin 按索引的值（此处为 amt）按 start_yr 的最小值和最大值：

g = df.set_index('amt').groupby('ID')['start_yr']

s = g.idxmax().sub(g.idxmin()).reset_index()
print (s)
  ID  start_yr
0  a        20
1  b        40

【讨论】：

这是完美的谢谢。所以没有办法明确地使用日期来引用另一列。先排序仍然有效吗？值得注意的是，我正在使用。一个实际的日期字段。不是 int 作为日期。我应该添加的。
@nerdlyfe - 如果日期是日期时间，则排序工作完美。
@nerdlyfe - 关于性能的有趣问题。我认为取决于数据，你也让我知道没有排序的解决方案，添加到答案中。谢谢。

【解决方案2】：

让我们尝试两个步骤：

s = df.sort_values(['ID','start_yr']).groupby(['ID'])['amt'].agg(['first','last'])
output = s['last'] - s['first']

输出：

ID
a    20
b    40
dtype: int64

【讨论】：