Pandas GroupBy 并选择特定列中具有最小值的行

我觉得你想多了。只需使用和：groupbyidxmin

df.loc[df.groupby('A').B.idxmin()]

   A  B   C
2  1  2  10
4  2  4   4

---

df.loc[df.groupby('A').B.idxmin()].reset_index(drop=True)

   A  B   C
0  1  2  10
1  2  4   4

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()]

我发现了一个更冗长的答案，但效率要高得多：

以下是示例数据集：

data = pd.DataFrame({'A': [1,1,1,2,2,2], 'B':[4,5,2,7,4,6], 'C':[3,4,10,2,4,6]})
data

Out:
   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 

首先，我们将从 groupby 操作中获取 Series 的最小值：

min_value = data.groupby('A').B.min()
min_value

Out:
A
1    2
2    4
Name: B, dtype: int64

然后，我们将这个序列结果合并到原始数据框上

data = data.merge(min_value, on='A',suffixes=('', '_min'))
data

Out:
   A  B   C  B_min
0  1  4   3      2
1  1  5   4      2
2  1  2  10      2
3  2  7   2      4
4  2  4   4      4
5  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)
data

Out:
   A  B   C
2  1  2  10
4  2  4   4

我已经在非常大的数据集上测试了它，这是我在合理的时间内让它工作的唯一方法。

接受的答案（建议）不能与管道模式一起使用。管道友好的替代方法是首先对值进行排序，然后与idxmingroupbyDataFrame.head

data.sort_values('B').groupby('A').apply(DataFrame.head, n=1)

这是可能的，因为默认情况下会保留每个组中的行顺序，这是稳定且有记录的行为（参见 pandas。DataFrame.groupby）。groupby

这种方法还有其他好处：

• 它可以很容易地扩展以选择特定列中具有最小值的 n 行
• 它可以通过提供另一列（作为列表）来中断联系，例如：.sort_values()

  data.sort_values(['final_score', 'midterm_score']).groupby('year').apply(DataFrame.head, n=1)
  

与其他答案一样，为了完全匹配问题中所需的结果，需要制作最后的代码段：.reset_index(drop=True)

df.sort_values('B').groupby('A').apply(DataFrame.head, n=1).reset_index(drop=True)

如前所述，解决方案是;

df.loc[df.groupby('A')['B'].idxmin()]

如果解决方案，但如果出现错误;

"Passing list-likes to .loc or [] with any missing labels is no longer supported.
The following labels were missing: Float64Index([nan], dtype='float64').
See https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike"

在我的例子中，B 列有“NaN”值。所以，我使用了'dropna（）'，然后它起作用了。

df.loc[df.groupby('A')['B'].idxmin().dropna()]

您还可以对 column 为最小值的行进行布尔索引B

out = df[df['B'] == df.groupby('A')['B'].transform('min')]

print(out)

   A  B   C
2  1  2  10
4  2  4   4

您可以sort_values并drop_duplicates：

df.sort_values('B').drop_duplicates('A')

输出：

   A  B   C
2  1  2  10
4  2  4   4