基于熊猫中特定列的聚合和索引

Question

我有一个与国家/地区的世界幸福数据相关的csv文件。在该数据文件中，根据一些特定标准计算与幸福有关的不同分数。我想根据这些标准（特征）找到最坏的国家和最好的国家。下面用笔记本图片给出了我的解决方案：

happiness_df = pd.read_csv('Datasets/happiness_2017.csv')
happiness_data_by_country = {}
for column in happiness_df.describe().columns:
    if column != 'Rank':       
        max_val = happiness_df.describe().loc['max',column]
        min_val = happiness_df.describe().loc['min',column]
        country_with_max = happiness_df.loc[happiness_df[column]==max_val,'Country'].values[0]
        country_with_min = happiness_df.loc[happiness_df[column]==min_val,'Country'].values[0]
        happiness_data_by_country[column] = {
        "worst" : country_with_min,
        "best" : country_with_max 
    }

dataframe

my solution

在大熊猫中还有更好的方法吗？

Answer 1

是的，可以尝试获得最大值：

df.loc [df ['HappinessScore']。idxmax（）]

并且至少：df.loc [df ['HappinessScore']。idxmin（）]。