如何高效计算国家DataFrame中各国家温度极差的最大值？

你的思路是可行的，但两次单独调用groupby会重复处理数据，对于大型数据集来说效率偏低。以下是两种更优的实现方式，只需要一次分组操作就能完成计算：

方法1：使用agg一次性计算最大最小值 #

通过agg方法在一次分组中同时获取每个国家的温度最大值和最小值，再计算差值并取全局最大值：

# 分组后同时统计max和min，计算差值后取最大
temp_stats = df.groupby('country_code')['temperature'].agg(['max', 'min'])
max_temp_change = (temp_stats['max'] - temp_stats['min']).max()

方法2：直接计算分组内的温度范围 #

利用apply直接在每个分组中计算温度的极差（max - min），再取所有极差中的最大值：

# 分组后直接计算每个组的温度极差，再取全局最大
max_temp_change = df.groupby('country_code')['temperature'].apply(lambda x: x.max() - x.min()).max()

效率对比 #

• agg方法的性能更优，因为它基于pandas的向量化操作实现，避免了Python层面的循环；
• apply方法虽然代码更简洁，但本质是逐组执行Python函数，在数据量较大时速度会慢于agg。

内容的提问来源于stack exchange，提问作者Mampfi