在Pandas数据框架中选择具有最大和最小值的行

在 Pandas 数据框架中选择具有最大和最小值的行有多种方法，下面将详细介绍其中两种方法：

1. 使用 loc 方法结合 idxmin 和 idxmax 方法

import pandas as pd
import numpy as np

# 创建预置数据
data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}

df = pd.DataFrame(data)

# 使用 idxmin 和 idxmax 方法来获取最小和最大值对应的行索引
min_idx = df['C'].idxmin()
max_idx = df['C'].idxmax()

# 使用 loc 选择对应行
min_row = df.loc[min_idx]
max_row = df.loc[max_idx]

print("最小值对应的行：")
print(min_row)
print("最大值对应的行：")
print(max_row)

1. 使用 iloc 方法结合 argmin 和 argmax 方法

import pandas as pd
import numpy as np

# 创建预置数据
data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}

df = pd.DataFrame(data)

# 使用 argmin 和 argmax 方法来获取最小和最大值对应的行索引
min_idx = df['C'].argmin()
max_idx = df['C'].argmax()

# 使用 iloc 选择对应行
min_row = df.iloc[min_idx]
max_row = df.iloc[max_idx]

print("最小值对应的行：")
print(min_row)
print("最大值对应的行：")
print(max_row)

以上两种方法均可以选择具有最大和最小值的行，两种方法的区别在于使用的是 loc 还是 iloc，需要注意的是 iloc 方法使用的是行索引的位置而非实际的索引值。