如何在Python中找到最大或最小的项目？
本文针对希望使用Python查找最大或最小项目的开发人员。我将展示一些使用方法，并为您总结最佳方法。
方法–1：在列表上切片方法
如果您只是想查找单个最小或最大项，即N=1，则使用min()和会更快max()。
让我们开始生成一些随机整数。
import random # Create a random list of integers random_list = random.sample(range(1,10),9) random_list
[2、4、5、1、1、7、9、6、8、3]
查找最小和最大的项目（N=1）
# Find the smallest number (N=1) min (random_list)
1
# Find the largest number (N=1) max (random_list)
9
找到3个最小和最大的项目（N=3）
同样，如果N与集合本身的大小大致相同，则通常先对其进行排序并分割N会更快。
# lets get the nsmallest using a slice approach(N=3) sorted(random_list)[:3]
[1,2,3]
# lets get the nlargest using a slice approach(N=3) sorted(random_list)[-3:]
[7、8、9]
方法–2：列表上的heapq方法
heapq模块具有两个函数-nlargest()nsmallest()，可用于查找nsmallest或nlargest项。
import heapq import random random_list = random.sample(range(1,10),9) # nsmallest items (N=3) heapq.nsmallest(3,random_list)
[1,2,3]
# nlargest items (N=3) heapq.nlargest(3,random_list)
[9，8，7]
如果您有一些更复杂的数据，heapq函数具有可以使用的关键参数。
import heapq
grandslams = [
{'name':'Roger Federer','titles':20},
{'name:'Rafel Nadal','titles':19},
{'name':'Novak Djokovic','titles':17},
{'name':'Andy Murray','titles':3},
]
# Players with less titles (N=3)
less = heapq.nsmallest(3,grandslams,
key = lambdas:s['titles'])
less[{'name'：'AndyMurray'，'titles：3}，{'name'：'NovakDjokovic'，'titles'：17}，{'name'：'RafelNadal'，'titles'：19}]
# Players with highest titles (N=3) more = heapq.nlargest(3,grandslams,key = lambdas:s['titles']) more
[{'name'：'RogerFederer'，'titles：20}，{'name'：'RafelNadal'，'titles'：19}，{'name'：'NovakDjokovic'，'titles'：17}]
从DataFrame中找到N个最大和最小的元素。
好吧，世界是由CSV文件组成的，是的，它们是！
因此，非常安全地假设在python开发的某个时刻会遇到CSV和显然是DataFrame。
我将向您展示几种从DataFrame中找到N个最大/最小的方法。
在第一种方法中，我们将使用sort_values()方法对值进行排序，并使用head方法获取值。
import pandas as pd import io # Define your data data = """ player,titles Djokovic,17 Nadal,19 Federer,20 Murray,3 """ throwaway_storage = io.StringIO(data) df = pd.read_csv(throwaway_storage,index_col = "player")
# nsmallest (N = 3)
df.sort_values("titles").head(3)# nlargest (N = 3)
df.sort_values("titles",ascending = False).head(3)除了使用.head()方法对行进行排序以外，我们可以调用.nsmallest()和.nlargest()方法。
df.nsmallest(3,columns="titles")
df.nlargest(3,columns = "titles")
结论
如果您尝试查找数量相对较少的项目，则nlargest()和nsmallest()函数最合适。
如果您只是想查找单个最小或最大项（N=1），则使用min()和会更快max()。
同样，如果N与集合本身的大小大致相同，则通常先对其进行排序并进行切片会更快。
总之，python的实际实现nlargest()和nsmallest()适应python的运行方式，并将代表您执行其中的一些优化。