Python Pandas：每组最小最大值的比较

Question

假设我有一些这样的数据：

              timestamp
patient_id
99          10
99          100
3014        20
3014        200

每位大熊猫中的每一个id如何准确地找到最大，最小和平均的时间戳范围？

我正在寻找的是能够报告此：

shortest range = 90 (100 - 10)
longest range = 180 (200 - 20)
average range = (180 + 90) / 2 = 135

Answer 1

设置

创建虚拟DataFrame：

import pandas as pd

data = '''99          10
99          100
3014        20
3014        200'''.split('\n')

使用两个嵌套列表推导，拆分行，然后拆分列，并将所有元素转换为int 。 然后导入到DataFrame 。

data = [[int(n) for n in item.split()] for item in data]

DF = pd.DataFrame(data, columns=['pid', 'timestamp'])

作为学习练习，请遍历每个组（假定每个pid有任意数量的时间戳，而不仅仅是两个）。 这不是解决方案，而只是演示groupby工作方式：

for pid, grp in DF.groupby('pid'):
    print(pid, grp.timestamp.min(), grp.timestamp.max())

# Prints:
# (99, 10, 100)
# (3014, 20, 200)

解决方案

该解决方案更有效：获取最小值和最大值的向量，提取范围，然后找到范围的最小值，最大值和平均值。 Pandas的优势在于，它将作为一个整体在DataFrame中的任何列上进行操作，从而使对数组的计算非常简单，如下所示：

mins = DF.groupby('pid').timestamp.min()
maxs = DF.groupby('pid').timestamp.max()
ranges = maxs - mins

shortest_range = ranges.min()
longest_range = ranges.max()
average_range = ranges.mean()

print(shortest_range, longest_range, average_range)

# (90, 180, 135.0)