如何在Pandas中按Mode分组后，将Indicator最值的对应列值展示在同一DataFrame？

需求说明 #

现有数据集通过以下代码按Mode列分组，仅提取了Indicator列的最大、最小值：

import pandas as pd
df = pd.read_csv(r'relative.csv')
Grouped = df.groupby('Mode')['Indicator'].agg(['max', 'min'])
print(Grouped)

需要将这些最值对应的其他列关联值一并展示在同一个DataFrame中，以下是两种简便实现方案：

方案1：通过索引定位拼接整行数据 #

利用idxmax()/idxmin()获取每个分组中Indicator最值对应的行索引，从原数据提取整行后合并：

import pandas as pd

df = pd.read_csv(r'relative.csv')

# 提取各分组Indicator最大值对应的整行，添加后缀区分
max_rows = df.loc[df.groupby('Mode')['Indicator'].idxmax()].add_suffix('_max')
# 提取各分组Indicator最小值对应的整行，添加后缀区分
min_rows = df.loc[df.groupby('Mode')['Indicator'].idxmin()].add_suffix('_min')

# 按Mode合并结果，整理索引
result = pd.merge(max_rows, min_rows, left_on='Mode_max', right_on='Mode_min', how='outer')
result = result.set_index('Mode_max').rename_axis('Mode')

print(result)

方案2：分组后直接提取最值行 #

通过groupby().apply()自定义函数，在每个分组内筛选出Indicator最大、最小的行并拼接：

import pandas as pd

df = pd.read_csv(r'relative.csv')

def extract_min_max(group):
    # 筛选分组内Indicator最大、最小的行
    max_row = group[group['Indicator'] == group['Indicator'].max()]
    min_row = group[group['Indicator'] == group['Indicator'].min()]
    # 添加类型标识区分最值
    max_row['value_type'] = 'max'
    min_row['value_type'] = 'min'
    return pd.concat([max_row, min_row])

# 应用函数并整理结果
result = df.groupby('Mode', group_keys=False).apply(extract_min_max)
# 可根据需求重置索引或调整列顺序
print(result)

内容的提问来源于stack exchange，提问作者Chrisyu50d