如何快速计算列内不同X分组对应Y值的最小值与最大值

不用逐组手动统计，直接用结构化数据工具的分组聚合功能就能一键算出所有结果，常用实现如下：

Python（Pandas 工具） #

如果使用Python处理数据，将数据集读为DataFrame后执行一行代码即可：

df.groupby('X')['Y'].agg(Y_min='min', Y_max='max').reset_index()

执行后会直接输出所有X分组下对应的Y最小值、最大值，无需手动筛选每组数据。

R 工具 #

从你贴出的数据集打印格式来看，大概率是用R做数据处理，两种常用写法都可以快速实现：

1. dplyr 语法：

   df |> 
     dplyr::group_by(X) |> 
     dplyr::summarise(Y_min = min(Y, na.rm = TRUE), Y_max = max(Y, na.rm = TRUE))
   

2. data.table 语法（和你给出的数据集打印格式完全匹配）：

   dt[, .(Y_min = min(Y, na.rm = TRUE), Y_max = max(Y, na.rm = TRUE)), by = X]
   

注意：如果数据集存在Y值缺失的情况，pandas的min/max默认会自动忽略空值；R中必须在min/max函数里加na.rm = TRUE参数，否则遇到空值会返回NA结果。

你当前数据集的计算结果 #

按照上述方法运行后，你会直接得到以下结果：

• X=2：Y最小值为1.973203，最大值为1.998701
• X=5：Y最小值为4.726402，最大值为4.975043
• X=10：Y最小值为8.808622，最大值为9.719726
• X=30：Y最小值为19.758713，最大值为24.593082

内容的提问来源于stack exchange，提问作者Zohaib