在python中查找三列的最大值和最小值

Question

我想知道如何在python中找到三列的最大值和最小值之间的差异。 （列名是POPESTIMATE2010-POPESTIMATE2012）然后我应该在所有记录中找到最大结果。 换句话说，2010 - 2012年期间哪个县的人口绝对变化最大？

例如，如果3年期间的县人口为100,80,130，那么其最大的变化将是| 130-80 | = 50。

这是我的代码：

import pandas as pd
census_df = pd.read_csv('census.csv')

def answer_one():
    return ((census_df['POPESTIMATE2010'],census_df ['POPESTIMATE2011'],census_df ['POPESTIMATE2012']).max()-(census_df['POPESTIMATE2010'],census_df ['POPESTIMATE2011'],census_df ['POPESTIMATE2012']).min()).max()

answer_one()

Answer 1

我不确定最终结果应该是什么，但是如果你想获得max和min之间最大差异的列，那么你可以这样做：

>>> df = pd.DataFrame({'a':[3,4,6], 'b':[22,15,6], 'c':[7,18,9]})
>>> df
   a   b   c
0  3  22   7
1  4  15  18
2  6   6   9
>>> diff = df.max() - df.min()
>>> diff
a     3
b    16
c    11
dtype: int64
>>> diff.nlargest(1)
b    16
dtype: int64

如果你只需要一个号码那么

>>> diff.max()
16

如果你想在每一行中获得最大值和最小值之间的差异，那么就在不同的axis ：

>>> diff = df.max(axis=1) - df.min(axis=1)
>>> diff
0    19
1    14
2     3
>>> diff.max()
19

Answer 2

import pandas as pd
d = {'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9]}
df = pd.DataFrame(d)

def answer_one():
    max_1 = max(df.max())
    min_1 = min(df.min())
    return max_1 - min_1

print answer_one()

如果要使用选定的列组：

max_1 = max(df[['a','b']].max())

Answer 3

max（list）为您提供列表中的max元素。

min（list）为您提供列表中的min元素。

我认为其余的应该是相当直接的理解！

Answer 4

您需要先清理数据并仅保留所需的列。 然后转置你的数据框，从它们得到max和min之间的差异，最后从diff系列得到idxmax 。

import pandas as pd
census_df = pd.read_csv('census.csv')
ans_df = census_df[census_df["SUMLEV"] == 50]    
ans_df = ans_df[["STNAME", "CTYNAME", "POPESTIMATE2010", "POPESTIMATE2011", "POPESTIMATE2012"]]
ans_df = ans_df.set_index(["STNAME", "CTYNAME"])
diff = ans_df.T.max() - ans_df.T.min()
diff.idxmax()[1]

Answer 5

我遇到了同样的问题，因为我解决了：

f1 = census_df[census_df['SUMLEV'] == 50].set_index(['STNAME','CTYNAME'])
f1 = f1.ix[:,'POPESTIMATE2010','POPESTIMATE2011','POPESTIMATE2012','POPESTIMATE2013'
,'POPESTIMATE2014','POPESTIMATE2015']].stack()
f2 = f1.max(level=['STNAME','CTYNAME']) - f1.min(level=['STNAME','CTYNAME'])
return f2.idxmax()[1]