pandas按grp分组独立聚合min、max列极值的实现方法

核心逻辑：Pandas 的分组聚合支持为不同列指定独立的聚合规则，无需单独筛选单列计算，可直接匹配“每组取min列最小值、max列最大值”的需求。

推荐实现：命名聚合（无列名歧义，pandas 0.25+ 支持） #

这种写法逻辑清晰，不会出现列名混淆，是当前最推荐的实现方式：

# 先确保min、max列为datetime类型，避免时间排序出错
df[["min", "max"]] = df[["min", "max"]].apply(pd.to_datetime)

result = df.groupby("grp", as_index=False).agg(
    min=("min", "min"),  # 输出列"min"：对原始min列取分组最小值
    max=("max", "max")   # 输出列"max"：对原始max列取分组最大值
)

该代码的输出完全符合预期，以grp=6为例，聚合结果为：

• min值：2013-10-13 21:51:21（本组所有min列的最早时间）
• max值：2013-10-15 04:07:45（本组所有max列的最晚时间）

兼容旧版本写法 #

如果使用较早版本的Pandas，可通过传入列与聚合规则的字典实现，效果完全一致：

result = df.groupby("grp").agg({
    "min": "min",
    "max": "max"
}).reset_index()

原写法的偏差原因 #

你之前尝试的df.groupby(['grp'])['min'].agg(['min','max']).reset_index()，执行链路是先筛选min列，仅针对该列计算分组下的最小值、最大值，全程未访问原始max列的数据，因此无法得到预期结果。

内容的提问来源于stack exchange，提问作者iskandarblue