在Pandas分组聚合中，按日期最值获取对应value列值的实现问题

现有数据 #

先定义DataFrame并确保日期列格式正确：

import pandas as pd

data = pd.DataFrame ({
    'group': ['A', 'A', 'B', 'B', 'C', 'C'],
    'date': ['2023-01-15', '2023-02-20', '2023-01-10', '2023-03-05', '2023-02-01', '2023-04-10'],
    'value': [10, 15, 5, 25, 8, 12]} )
# 转换日期格式为datetime，确保日期比较逻辑正常
data['date'] = pd.to_datetime(data['date'])

需求与问题 #

需要按group分组，获取每个组的最小日期、最大日期，以及对应日期的value值。原尝试的聚合代码无法运行：

## 原代码报错
output = (
  data
  .groupby(['group'],as_index=False).agg(
      # 此处还有其他聚合函数
      value_at_min = ('value' , lambda x: x.loc[x['date'].idxmin()])
    , value_at_max = ('value' , lambda x: x.loc[x['date'].idxmax()])
   ))

错误原因 #

在agg的lambda函数中，参数x是当前聚合列（这里是value列）的Series对象，无法通过x['date']访问同组的date列，因此会触发KeyError。

解决方案 #

方法一：使用groupby.apply直接操作分组后的DataFrame #

通过apply可以获取每个分组的完整DataFrame，直接计算所需统计值：

def calc_group_metrics(group_df):
    min_date_idx = group_df['date'].idxmin()
    max_date_idx = group_df['date'].idxmax()
    return pd.Series({
        'min_date': group_df['date'].min(),
        'max_date': group_df['date'].max(),
        'value_at_min': group_df.loc[min_date_idx, 'value'],
        'value_at_max': group_df.loc[max_date_idx, 'value']
    })

# 执行分组计算并整理列顺序
output = data.groupby('group', as_index=False).apply(calc_group_metrics).reset_index()
output = output[['group', 'min_date', 'max_date', 'value_at_min', 'value_at_max']]

方法二：先聚合日期再合并匹配对应value #

先获取每个组的最小/最大日期，再通过两次合并匹配对应value，适合需要和其他聚合逻辑结合的场景：

# 第一步：获取每个组的最小、最大日期
date_summary = data.groupby('group').agg(
    min_date=('date', 'min'),
    max_date=('date', 'max')
).reset_index()

# 第二步：合并获取最小日期对应的value
output = pd.merge(
    date_summary,
    data[['group', 'date', 'value']],
    left_on=['group', 'min_date'],
    right_on=['group', 'date']
).rename(columns={'value': 'value_at_min'}).drop(columns='date')

# 第三步：合并获取最大日期对应的value
output = pd.merge(
    output,
    data[['group', 'date', 'value']],
    left_on=['group', 'max_date'],
    right_on=['group', 'date']
).rename(columns={'value': 'value_at_max'}).drop(columns='date')

方法三：用transform标记目标行再筛选聚合 #

通过transform标记每个组内最小/最大日期的行，再筛选后合并统计结果：

# 标记每个组内最小、最大日期的行
data['is_min_date'] = data['date'] == data.groupby('group')['date'].transform('min')
data['is_max_date'] = data['date'] == data.groupby('group')['date'].transform('max')

# 提取对应value值
min_value_df = data[data['is_min_date']][['group', 'value']].rename(columns={'value': 'value_at_min'})
max_value_df = data[data['is_max_date']][['group', 'value']].rename(columns={'value': 'value_at_max'})

# 合并日期统计与对应value
date_summary = data.groupby('group').agg(min_date=('date', 'min'), max_date=('date', 'max')).reset_index()
output = pd.merge(date_summary, min_value_df, on='group')
output = pd.merge(output, max_value_df, on='group')

最终输出 #

无论哪种方法，都能得到如下结果：

group   min_date   max_date  value_at_min  value_at_max
0     A 2023-01-15 2023-02-20            10            15
1     B 2023-01-10 2023-03-05             5            25
2     C 2023-02-01 2023-04-10             8            12

内容的提问来源于stack exchange，提问作者Ankhnesmerira