下面的代码以月份为单位将数据分隔开来，并且month\u发生了变化。值和Val_日期是相关的，Val_日期应该是值索引的匹配日期
因此，多维数组中的每一行都应该表示一个月，因此第一行[100123135.3139.05156.08163.88173.72]用于2015年11月，第六行[163173.12]用于2016年2月等
它输出每个月的最后一个索引，因此第一行的输出将是123。函数的输出直到到达agg.是数组（[list（[100.0,123.0,135.3,139.05,156.08]），list（[0]），list（[0]），list（[163.88,173.72]），0]，dtype=object）
如何将代码添加到现有代码中，以便它输出每个数组的max-min和last index。产生以下预期输出
将numpy作为np导入
作为pd进口熊猫
Values=np.array(
[
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
[100, 123, 135.3, 139.05, 156.08, 163.88, 173.72],
]
)
Values=np.array（[arr[i:]表示i，枚举中的arr（Values.tolist（））]））
Val_日期=[
&“2015-11-01 01:03:00”；，
&“2015-11-08 12:56:00”；，
&“2015-11-11 02:30:00”；，
&“2015-11-1404:23:00”；，
&“2015-11-1405:23:00”；，
&“2016-02-11 02:00:00”；，
&“2016-02-15 15:00:00”；，
]
df=pd.DataFrame（{quot；dt"；：Val_dates，"；Val"；：Values}）.aType（{quot；dt"；："；datetime64"；}）
idx=pd.日期范围（“2015-11-01 00:00:00”和“2016-03-01 00:00:00”，频率=“MS”）
展示(
df.groupby（pd.Grouper（freq="；MS"；，key="；dt"；）["；val"；]
.应用（lambda x:x.head（1）.挤压（）[：len（x）]，如果len（x）不是[0]）
.reindex（idx，填充值=0）
.to_numpy（）
阿格先生(
#获取每个组的“持续时间”列的最大值
最大持续时间=（λx:np.max（x）），
#获取每个组的持续时间列的最小值
最小持续时间=（λx:np.min（x）），
#最后索引
最后的指数=（λx:x[len（x）-1]），
)
)
预期产出：
因此，考虑到代码的最后一个功能部分输出的内容：
将numpy作为np导入
作为pd进口熊猫
...
arr=(
df.groupby（pd.Grouper（freq="；MS"；，key="；dt"；）["；val"；]
.应用（lambda x:x.head（1）.挤压（）[：len（x）]，如果len（x）不是[0]）
.reindex（idx，填充值=0）
.to_numpy（）
)
打印（arr）
#输出列表列表和一个整数
[[100.0, 123.0, 135.3, 139.05, 156.08], [0], [0], [163.88, 173.72], 0]
你可以试试这个：
new_df=pd.DataFrame（{dates"；：idx}）
对于i，枚举（列表（arr））中的项：
如果不存在（项目，列表）：
项目=[项目]
新位置[i，“最小值”]=最小值（项目）
新位置[i，“最大值”]=最大值（项目）
新的位置[i，“lastindex”]=项目[len（项目）-1]
然后：
打印（新）
#输出
日期最短最长索引
0 2015-11-01 100.00 156.08 156.08
1 2015-12-01 0.00 0.00 0.00
2 2016-01-01 0.00 0.00 0.00
3 2016-02-01 163.88 173.72 173.72
4 2016-03-01 0.00 0.00 0.00