Pandas DataFrame筛选type为buy/sell行获取price极值及对应id
Pandas实现按type筛选行、获取price极值及关联订单id
提问背景
- 提问者此前参考过Pandas场景下DataFrame索引保留的相关实操内容,当前使用的DataFrame结构和参考场景的结构一致
- 核心需求:仅针对
type列值为buy/sell的行,获取price列的最小、最大值,同时拿到极值行对应的订单id值 - 已实现的功能:
- 可计算全量数据下
price列的最大值,对应代码:x = df['price'].max() # 取全量price列最大值 - 可初步筛选出
type为buy的条目,对应代码:d = df[['type', 'price']].value_counts(ascending=True).loc['buy']
- 可计算全量数据下
- 当前卡点:无法同时完成「按type筛选目标行」和「获取对应price极值及关联id」的组合逻辑
具体实现方法
实现思路
- 先通过布尔索引过滤出所有满足
type为buy/sell的行,排除非目标类型的数据干扰 - 利用
idxmin()/idxmax()定位极值对应的行索引,通过索引直接提取对应行的price值和关联id,避免聚合操作丢失原始行的对应关系
参考代码
# 1. 筛选出type为buy/sell的目标行 filtered_df = df[df['type'].isin(['buy', 'sell'])].copy() # 2. 获取price最大值及对应订单id max_row = filtered_df.loc[filtered_df['price'].idxmax()] max_price = max_row['price'] max_order_id = max_row['id'] # 3. 获取price最小值及对应订单id min_row = filtered_df.loc[filtered_df['price'].idxmin()] min_price = min_row['price'] min_order_id = min_row['id']
原有代码的问题
你之前用到的df[['type', 'price']].value_counts(ascending=True).loc['buy']本质是统计type、price组合的出现频次,输出的是聚合结果而非原始行数据,这种逻辑下无法回溯到每条记录对应的订单id,没法适配当前需求。
内容的提问来源于stack exchange,提问作者duhh
相关产品推荐
相关产品推荐

