使用Python Pandas遍历Cycle分组标记极值点（最大值A/最小值B）

问题描述 #

用户有如下数据集：

data = {'Cycle': ['Set1', 'Set1', 'Set1', 'Set2', 'Set2', 'Set2', 'Set2'],
        'Value': [1, 2.2, .5, .2,1,2.5,1]}

需要实现：按Cycle列分组，每组内的最大值标记'A'，最小值标记'B'，其余标记0，最终得到如下格式的DataFrame：

POI = {'Cycle': ['Set1', 'Set1', 'Set1', 'Set2', 'Set2', 'Set2', 'Set2'],
        'Value': [1, 2.2, .5, .2,1,2.5,1],
         'POI': [0, 'A','B','B',0,'A',0]}

df2 = pd.DataFrame(POI)

分步实现（新手友好） #

步骤1：导入依赖库 #

先确保安装了pandas和numpy（没安装的话，终端执行pip install pandas numpy），然后导入：

import pandas as pd
import numpy as np

步骤2：创建初始DataFrame #

把原始字典数据转换成Pandas的DataFrame，这是Pandas处理数据的基础格式：

data = {'Cycle': ['Set1', 'Set1', 'Set1', 'Set2', 'Set2', 'Set2', 'Set2'],
        'Value': [1, 2.2, .5, .2,1,2.5,1]}
df = pd.DataFrame(data)

步骤3：获取每组的最大/最小值映射 #

用groupby('Cycle')按Cycle列分组，再用transform('max')和transform('min')计算每组的最大、最小值，关键是transform会把组内的统计结果对应回原DataFrame的每一行，不用手动匹配行和分组：

# 每行对应的组内最大值
group_max = df.groupby('Cycle')['Value'].transform('max')
# 每行对应的组内最小值
group_min = df.groupby('Cycle')['Value'].transform('min')

步骤4：生成POI标记列 #

用嵌套的np.where做条件判断，依次匹配最大值、最小值，剩下的情况设为0：

df['POI'] = np.where(df['Value'] == group_max, 'A',
                     np.where(df['Value'] == group_min, 'B', 0))

步骤5：查看最终结果 #

打印df就能得到目标结果：

print(df)

输出和要求的df2完全一致。

手动遍历分组的逻辑（仅作理解） #

如果想理解分组遍历的底层逻辑，下面是手动循环的写法（实际不推荐，效率低且代码繁琐）：

# 先初始化POI列为0
df['POI'] = 0
# 遍历每个分组：cycle是分组名，group是该组的子DataFrame
for cycle, group in df.groupby('Cycle'):
    # 找到当前组最大值对应的行索引
    max_rows = group[group['Value'] == group['Value'].max()].index
    # 找到当前组最小值对应的行索引
    min_rows = group[group['Value'] == group['Value'].min()].index
    # 给对应索引的POI列赋值
    df.loc[max_rows, 'POI'] = 'A'
    df.loc[min_rows, 'POI'] = 'B'

内容的提问来源于stack exchange，提问作者SeanK22