Pandas GroupBy 并选择特定列中具有最小值的行

Question

我按 A 列对我的数据集进行分组，然后想取 B 列中的最小值和 C 列中的相应值。

data = pd.DataFrame({'A': [1, 2], 'B':[ 2, 4], 'C':[10, 4]})

data  

    A   B   C

0   1   4   3

1   1   5   4

2   1   2   10

3   2   7   2

4   2   4   4

5   2   6   6  

我想得到：

    A   B   C

0   1   2   10

1   2   4   4

目前我按 A 分组，并创建一个值来指示我将保留在我的数据集中的行：

a = data.groupby('A').min()

a['A'] = a.index

to_keep = [str(x[0]) + str(x[1]) for x in a[['A', 'B']].values]

data['id'] = data['A'].astype(str) + data['B'].astype('str')

data[data['id'].isin(to_keep)]

我相信有一种更直接的方法可以做到这一点。我在这里看到了很多使用多索引的答案，但我想这样做而不向我的数据帧添加多索引。感谢您的帮助。

Answer 1

感觉你多虑了 只需使用groupby和idxmin：df.loc[df.groupby('A').B.idxmin()]   A  B   C2  1  2  104  2  4   4df.loc[df.groupby('A').B.idxmin()].reset_index(drop=True)   A  B   C0  1  2  101  2  4   4

Answer 2

有类似的情况，但列标题更复杂（例如“B val”），在这种情况下需要这样做：df.loc[df.groupby('A')['B val'].idxmin()]

Answer 3

我发现一个答案有点罗嗦，但效率更高：这是示例数据集：data = pd.DataFrame({'A': [1,1,1,2,2,2], 'B':[4,5,2,7,4,6], 'C':[3,4,10,2,4,6]})dataOut:   A  B   C0  1  4   31  1  5   42  1  2  103  2  7   24  2  4   45  2  6   6 首先，我们将从 groupby 操作中获取系列的最小值：min_value = data.groupby('A').B.min()min_valueOut:A1    22    4Name: B, dtype: int64然后，我们在原始数据框上合并这个系列结果data = data.merge(min_value, on='A',suffixes=('', '_min'))dataOut:   A  B   C  B_min0  1  4   3      21  1  5   4      22  1  2  10      23  2  7   2      44  2  4   4      45  2  6   6      4最后，我们只得到 B 等于 B_min 的行并删除 B_min 因为我们不再需要它了。data = data[data.B==data.B_min].drop('B_min', axis=1)dataOut:   A  B   C2  1  2  104  2  4   4我已经在非常大的数据集上对其进行了测试，这是我可以在合理的时间内使其工作的唯一方法。