如何获取列中列表的最大值和最小值？

Question

鉴于此，我有如下数据框：

import pandas as pd
import numpy as np

dict = {
        "A": [[1,2,3,4],[3],[2,8,4],[5,8]]
}

dt = pd.DataFrame(dict)

我希望获得B列每行的最大值和最小值。我最喜欢的输出结果是：

              A    B
0  [1, 2, 3, 4]    [1,4]
1           [3]    [3,3] 
2     [2, 8, 4]    [2,8] 
3        [5, 8]    [5,8]

我已经尝试过以下代码，但它并没有起作用：

dt["B"] =[np.min(dt.A), np.max(dt.A)]

- Jeff

---

我的意思是，这个问题中需要像循环一样的东西： https://dev59.com/h2Qn5IYBdhLWcg3w5qlg 然而，apply 是一个好的解决方案。 - Jeff

Answer 1

像这样：

In [1592]: dt['B'] = dt.A.apply(lambda x: [min(x), max(x)])     
In [1593]: dt                                   
Out[1593]: 
              A       B
0  [1, 2, 3, 4]  [1, 4]
1           [3]  [3, 3]
2     [2, 8, 4]  [2, 8]
3        [5, 8]  [5, 8]

正如 @Ch3steR 建议的那样，使用map因为它更快:

dt['B'] = dt.A.map(lambda x: [min(x), max(x)]) 

- Mayank Porwal

---

dt.A.map(...) 比 pd.Series.apply 稍微快一点，因为 pd.Series.map 专门用于逐元素计算。虽然 map 快了大约 ~20-30µs，但差别不是很大。 - Ch3steR

Answer 2

你可以创建DataFrame，然后使用 DataFrame.agg 来计算最小值和最大值，转换为列表并重新赋值，如果不想使用循环（Apply 在底层是循环），可以这样做：

df = pd.DataFrame(dt.A.tolist())
dt['B'] = df.agg(['min','max'], axis=1).astype(int).values.tolist()
print (dt)
              A       B
0  [1, 2, 3, 4]  [1, 4]
1           [3]  [3, 3]
2     [2, 8, 4]  [2, 8]
3        [5, 8]  [5, 8]

如果循环没有问题，另一种解决方案是使用 list comprehension，它应该像 apply 一样更快，这取决于真实数据：

如果循环没有问题，另一种解决方案是使用 list comprehension，它应该像 apply 一样更快，这取决于真实数据：

dt['B'] =  [[min(x), max(x)] for x in dt.A]

- jezrael

---

在所有的解决方案中，[[min(x), max(x)] for x in dt.A] 是最快的。+1 - Ch3steR

@Ch3steR，它比jez的第一个解决方案更快吗？我没想到。 - Erfan

@Erfan 是的，我对所有解决方案都进行了 timeit 测试。而 list comp 比第二快的解决方案快了10倍。也许我的分析可能不公平，因为我没有使用大型列表和大型数据框进行测试。 - Ch3steR

啊好的，我认为应该在相当大的数据上进行比较，以看到方法的效率。 - Erfan

在第一种方法中，它并不是循环。它们都是矢量化的方法。这就是为什么我不认为它会比循环慢。实际上，我相当确定它会更快。 - Erfan

Answer 3

除了使用 explode 的方式外，还有一个替代方法：

dt['B'] = (dt['A'].explode().astype(int).groupby(level=0).agg(['min','max'])
           .to_numpy().tolist())
print(dt)

---

              A       B
0  [1, 2, 3, 4]  [1, 4]
1           [3]  [3, 3]
2     [2, 8, 4]  [2, 8]
3        [5, 8]  [5, 8]

- anky

Answer 4

在 dt.A 的排序值上使用列表推导式

 dt['B']= [[row[0], row[-1]] for row in dt.A.map(lambda x: sorted(x))]

- wwnde