Pythonで最大・最小の要素を取得する方法まとめ！min/max・heapq・pandasの使い分けを解説

この記事では、Pythonを使ってデータの中から最大または最小の要素を効率的に見つけたい開発者に向けて、いくつかの方法を紹介し、それぞれの使い分けのポイントまで解説します。

方法1：リストに対するソート＋スライス

単純に1つだけの最小値や最大値（N=1）を求めたい場合は、組み込み関数のmin()とmax()を使うのが最も高速です。

まずはランダムな整数のリストを生成してみましょう。

import random

# ランダムな整数のリストを作成
random_list = random.sample(range(1, 10), 9)
random_list

出力結果

[2, 4, 5, 1, 7, 9, 6, 8, 3]

最小値・最大値を1つだけ取得する場合（N=1）

# 最小値を取得（N=1）
min(random_list)

出力結果

1

# 最大値を取得（N=1）
max(random_list)

出力結果

9

最小・最大の3件を取得する場合（N=3）

Nがコレクション全体のサイズと同程度になる場合は、先にソートしてから先頭（または末尾）のN件をスライスで取り出す方が一般的に高速です。

# スライスで最小3件を取得（N=3）
sorted(random_list)[:3]

出力結果

[1, 2, 3]

# スライスで最大3件を取得（N=3）
sorted(random_list)[-3:]

出力結果

[7, 8, 9]

方法2：heapqモジュールを使う

標準ライブラリのheapqモジュールには、nlargest()とnsmallest()という2つの関数が用意されており、これらを使うと最大・最小のN個の要素を簡単に取得できます。

import heapq
import random

random_list = random.sample(range(1, 10), 9)

# 最小3件を取得（N=3）
heapq.nsmallest(3, random_list)

出力結果

[1, 2, 3]

# 最大3件を取得（N=3）
heapq.nlargest(3, random_list)

出力結果

[9, 8, 7]

より複雑なデータ構造を扱う場合は、keyパラメータを指定することで柔軟に対応できます。例えば、辞書の特定のキーを基準に並べ替えることが可能です。

import heapq

grandslams = [
    {'name': 'Roger Federer', 'titles': 20},
    {'name': 'Rafael Nadal', 'titles': 19},
    {'name': 'Novak Djokovic', 'titles': 17},
    {'name': 'Andy Murray', 'titles': 3},
]

# タイトル数が少ない選手トップ3（N=3）
less = heapq.nsmallest(3, grandslams, key=lambda s: s['titles'])
less

出力結果

[{'name': 'Andy Murray', 'titles': 3},
 {'name': 'Novak Djokovic', 'titles': 17},
 {'name': 'Rafael Nadal', 'titles': 19}]

# タイトル数が多い選手トップ3（N=3）
more = heapq.nlargest(3, grandslams, key=lambda s: s['titles'])
more

出力結果

[{'name': 'Roger Federer', 'titles': 20},
 {'name': 'Rafael Nadal', 'titles': 19},
 {'name': 'Novak Djokovic', 'titles': 17}]

DataFrameから最大・最小のN件を取得する

実務ではCSVファイルを読み込んでpandasのDataFrameとして扱う場面も多くありますよね。ここでは、DataFrameから最大・最小のN件を取得する2つの方法を紹介します。

まずはsort_values()メソッドで値をソートし、head()メソッドで先頭行を取り出す方法です。

import pandas as pd
import io

# データを定義
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")

# 最小3件を取得（N=3）
df.sort_values("titles").head(3)

出力結果

          titles
player          
Murray         3
Djokovic      17
Nadal         19

# 最大3件を取得（N=3）
df.sort_values("titles", ascending=False).head(3)

出力結果

          titles
player          
Federer       20
Nadal         19
Djokovic      17

また、ソートしてhead()を呼び出す代わりに、.nsmallest()と.nlargest()メソッドを直接呼び出すこともできます。

df.nsmallest(3, columns="titles")

出力結果

          titles
player          
Murray         3
Djokovic      17
Nadal         19

df.nlargest(3, columns="titles")

出力結果

          titles
player          
Federer       20
Nadal         19
Djokovic      17

まとめ

比較的少数の要素を取得したい場合は、nlargest()とnsmallest()関数が最適です。

単純に1つの最小値または最大値（N=1）だけが必要な場合は、min()とmax()を使う方が高速です。

逆に、Nがコレクション全体のサイズとほぼ同じ場合は、先にソートしてスライスで切り出す方が効率的です。

実際のところ、nlargest()とnsmallest()の内部実装は適応的に動作するよう設計されており、Python側がこうした最適化の一部を自動的に行ってくれます。