python - 如何使用 pandas 按组减去基于数据的列的行？

Question

我正在尝试根据第一个日期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)

我已经尝试过类似的东西，但我肯定遗漏了一些东西。

#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()))

Answer 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())

或用聚合减去值 GroupBy.first和 GroupBy.last :

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对于按索引的值(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