如何用Python筛选CSV特定行并计算指定列正数值的最大最小值差

需求说明 #

筛选CSV文件中满足ColumnA=1且ColumnC=0的行，提取这些行内ColumnB的正数值，计算该数值集合的最大值与最小值的差值。

示例CSV数据 #

原有代码（原逻辑为计算均值） #

用户原本编写的循环代码用于计算不同ColumnA值对应的ColumnB均值，现需替换为最大最小值差值计算：

for u in range(1, 19):
        ColumnZ = df.query(f'ColumnB >0 & ColumnC == 0 & ColumnA == {u}')['ColumnB'].mean()
        test.loc[rowIndex, 'ColumnZ'] = ColumnZ

修改后的代码（计算最大最小值差值） #

方式1：仅处理ColumnA=1的场景 #

如果只需要针对ColumnA=1的情况计算，直接筛选后计算即可：

# 筛选符合条件的行，提取ColumnB的正数值
filtered_data = df.query('ColumnA == 1 & ColumnC == 0 & ColumnB > 0')['ColumnB']
# 计算差值，处理空数据避免报错
if not filtered_data.empty:
    value_diff = filtered_data.max() - filtered_data.min()
else:
    value_diff = None  # 可根据需求设置默认值，比如0

方式2：保留原有循环逻辑（处理ColumnA=1到18） #

如果需要保持循环处理ColumnA从1到18的场景，修改如下：

for u in range(1, 19):
        filtered_data = df.query(f'ColumnB >0 & ColumnC == 0 & ColumnA == {u}')['ColumnB']
        # 计算差值，空数据时设为None或其他默认值
        if not filtered_data.empty:
            ColumnZ = filtered_data.max() - filtered_data.min()
        else:
            ColumnZ = None
        test.loc[rowIndex, 'ColumnZ'] = ColumnZ

示例结果验证 #

根据提供的示例数据，符合条件的ColumnB正数值为69、70、71：

• 最大值：71
• 最小值：69
• 差值：71 - 69 = 2

内容的提问来源于stack exchange，提问作者Kkura