在数据框中计算列的最小值、最大值和平均值。

Question

我有一个数据框，其中包含bn、pn、s、tempC、tempF和humidity列。tempC、tempF和humidity是列表。我想计算tempC、tempF和humidity的最小值、最大值和平均值，并保留所有这些原始值。我不知道该如何做。

       bn    pn  s             tempC             tempF          humidity
0  4562562240  0020  2          [31, 33]          [88, 91]          [78, 74]
1  4562562240  0030  2          [33, 34]          [91, 92]          [74, 70]
2  4562562240  0040  2          [34, 35]          [92, 94]          [70, 67]
3  4562562240  0050  2          [35, 35]          [94, 96]          [67, 64]
4  4562562240  0060  2  [35, 35, 35, 35]  [96, 95, 95, 95]  [64, 65, 66, 67]

所以输出应该像这样：

       bn    pn  s             tempC             tempF          humidity        min_tempC   max_tempC   avg_tempC   min_tempF   max_temF  avg_tempF   ...
0  4562562240  0020  2          [31, 33]          [88, 91]          [78, 74]         31         33          32          88          91      89.5
1  4562562240  0030  2          [33, 34]          [91, 92]          [74, 70]         33         34          33.5        91          92      91.5

.
.
.

- Tarun Khaneja

---

你可以像这样添加列：df['min_tempC'] = [min(i) for i in df['tempC']]。或者你尝试了什么？ - Anton vBR

Answer 1

使用列表推导式和自定义函数： ```

使用自定义函数与列表推导式：

```

def f(x):

    a = pd.Series([min(i) for i in x], index=x.index)
    b = pd.Series([max(i) for i in x], index=x.index)
    c = pd.Series([sum(i)/len(i) for i in x], index=x.index)
    return pd.concat([a,b,c], keys=('min','max','mean'))


cols = ['tempC','tempF','humidity']
df1 = df[cols].agg(f, axis=1).sort_index(axis=1, level=1)
df1.columns = df1.columns.map('_'.join)

df = df.join(df1)
print (df)
           bn  pn  s             tempC             tempF          humidity  \
0  4562562240  20  2          [31, 33]          [88, 91]          [78, 74]   
1  4562562240  30  2          [33, 34]          [91, 92]          [74, 70]   
2  4562562240  40  2          [34, 35]          [92, 94]          [70, 67]   
3  4562562240  50  2          [35, 35]          [94, 96]          [67, 64]   
4  4562562240  60  2  [35, 35, 35, 35]  [96, 95, 95, 95]  [64, 65, 66, 67]   

   min_tempC  max_tempC  mean_tempC  min_tempF  max_tempF  mean_tempF  \
0       31.0       33.0        32.0       88.0       91.0       89.50   
1       33.0       34.0        33.5       91.0       92.0       91.50   
2       34.0       35.0        34.5       92.0       94.0       93.00   
3       35.0       35.0        35.0       94.0       96.0       95.00   
4       35.0       35.0        35.0       95.0       96.0       95.25   

   min_humidity  max_humidity  mean_humidity  
0          74.0          78.0           76.0  
1          70.0          74.0           72.0  
2          67.0          70.0           68.5  
3          64.0          67.0           65.5  
4          64.0          67.0           65.5  

- jezrael

Answer 2

例如，您可以执行以下操作：

temp_c_min = [min(i) for i in df['tempC']];

然后创建一个单列数据框：

df_tempC = pandas.DataFrame(temp_c_min, columns=['temp_C min'])

然后将其添加到原始的 df 中： df['tempC min'] = df_tempC; 这将创建/添加一个新列到 df。 您可以对其他列执行相同的操作。 可以吗？

- user7986928