列中熊猫数据帧的最小与最大差异

Question

我有一个如下数据框，

             40    50    60    
Friday     2.68  2.41  2.02  
Monday     4.07  3.74  3.41  
Thursday   4.94  4.57  4.02  
Tuesday    4.82  4.59  3.98  
Wednesday  2.76  2.68  2.37 

我想从40到90的每个值中减去最大值-最小值，然后从计算中找到键值（60）的最小值。

像[{40:[4.94 - 2.68 = 2.26]},{50:[4.59-2.41=2.18]},{60:[4.02-2.02 = 2]}] ，最后，

[{40:[2.26]},{50:[2.18]},{60:[2]}]

FinalOutput = 60

Answer 1

对于字典，请使用dict理解：

d = {k:[v] for k, v in df.max().sub(df.min()).items()}
print (d)
{'50': [2.1799999999999997], '40': [2.2600000000000002], '60': [1.9999999999999996]}

对于最小值idxmin索引：

a = df.max().sub(df.min()).idxmin()
print (a)
60

详细说明 ：

print (df.max().sub(df.min()))
40    2.26
50    2.18
60    2.00
dtype: float64

Answer 2

在一次计算中，您可以使用numpy.argmin为df.columns numpy.argmin索引：

A = df.values

res = df.columns[(A.max(0) - A.min(0)).argmin()]  # 60

如果需要中间值，则可以分开计算。 请注意， max和min方法的参数0确保对每列执行计算。