用于分组并返回在数据中找到的所有事件的Python代码

假设我的数据是:

my_list=[[0,'A',10,12,14],
         [0,'A',10,13,15],
         [0,'A',8,12,13],
         [0,'A',9,13,17],
         [0,'A',8,11,15],
         [0,'B',9,5,7],
         [0,'B',11,5,9],
         [0,'B',8,7,8],
         [1,'A',11,14,9],
         [0,'B',8,10,14],
         [1,'B',11,6,6],
         [1,'A',10,5,9]
         [1,'B',9,6,6]]

my_frame=pd.DataFrame(my_list, columns=['id','quality','grade','characteristic 1','characteristic 2'])

我的目标是使用分数作为感兴趣的最大值和最小值,按“id”和“quality”对数据进行分组。所以我编码:

my_group=np.array(my_frame.groupby(['id','quality'])['grade']
         .agg(["max grade", max],["min grade", min])
         .reset_index())

到目前为止还不错,但我还没有弄清楚如何处理我真正需要的信息:

我想分组,得到所有的案件,等级最高和最低发生,与所有的信息行。换言之,当前对我有效的代码给出了以下信息:

print(my_group)

输出:

[[0,'A',10,8],
 [0,'B',11,8],
 [1,'A',11,10],
 [1,'B',11,9]]

不过,我感兴趣的是带来这样的产出:

[[0,'A',10,12,14],
 [0,'A',10,13,15],
 [0,'A',8,12,13],
 [0,'A',8,11,15],
 [0,'B',11,5,9],
 [0,'B',8,7,8],
 [0,'B',8,10,14],
 [1,'A',11,14,9],
 [1,'A',10,5,9],
 [1,'B',11,6,6],
 [1,'B',9,6,6]]

为了尽可能清楚地说明这一点,groupby将为我提供每个“id”和每个“quality”的最大和最小“grade”,但我实际上需要知道我获得此最大和最小“grade”的其余信息(“characteristic 1”和“characteristic 2”),而不管最大“grade”和最小“grade”出现了多少次。

你能引导我通过这个吗?我希望我的问题是清楚的。