如何获取Pandas分组连续数值序列的每组最大值与最小值

嘿，我懂你遇到的问题了——你已经成功把连续数字分组并拼接成字符串，但现在想获取每个分组的最大和最小值，试了好几次都没搞定对吧？其实不用先把分组转成字符串再反向处理，我们可以直接在分组阶段就计算最值，这样既简单又高效。

方法一：直接对原始数据分组计算（推荐） #

我们可以复用你之前创建分组键的逻辑，但不把分组转成字符串，而是直接对原始数值计算最值：

import pandas as pd

values = [5, 6,7,8 , 9, 11,12, 13, 14, 17, 18,19, 20, 21,22, 23, 24, 25, 26, 27, 41, 42, 44, 45, 46, 47]
s = pd.Series(values)

# 创建分组键，和你之前的逻辑一致：当后一个数和前一个数的差大于1时，开启新分组
group_keys = s.diff().gt(1).cumsum()
groups = s.groupby(group_keys)

# 一次性计算每个分组的最小值和最大值
group_stats = groups.agg(最小值='min', 最大值='max')
print(group_stats)

运行后你会得到这样的结果：

最小值  最大值
0     5     9
1    11    14
2    17    27
3    41    42
4    44    47

这种方法不需要做字符串和数值的转换，直接基于原始数据计算，效率更高，也更不容易出错。

方法二：从已拼接的字符串分组反向计算（如果已经有s1） #

如果你已经生成了s1那个拼接好的字符串Series，也可以反向处理得到最值：

# 假设你已经有了s1
s1 = s.groupby(group_keys).apply(lambda x: ','.join(x.astype(str)))

# 对每个字符串分组，分割后转成int列表，再计算最值
stats_from_s1 = s1.apply(
    lambda x: pd.Series([int(num) for num in x.split(',')])
).agg({'min': 'min', 'max': 'max'}, axis=1)

print(stats_from_s1)

这个方法的逻辑是：先把每个字符串按逗号分割成单个数字字符串，转成int类型的列表，再转成临时Series，最后对每行（每个分组）计算min和max。不过这种方法多了字符串转换的步骤，数据量大的时候不如第一种方法高效。

总结 #

优先推荐第一种方法，直接基于原始数值分组计算最值，既简洁又高效。如果是因为某些原因必须从已有的字符串分组处理，第二种方法也能解决问题。

内容的提问来源于stack exchange，提问作者user9238790