如何在Pandas中GroupBy后选择特定列中具有最小值的行？

Pandas GroupBy 并选择特定列中具有最小值的行

使用 Pandas DataFrame 时，通常需要按某些列对数据进行分组并对这些列执行操作组。一个常见的操作是选择特定列中具有最小值的行。

在本文中，我们将探索一种简单而有效的方法来完成此任务，而无需借助 MultiIndex。

问题陈述：

给定一个包含 A、B 和 C 列的 DataFrame，我们的目标是为 A 列中的每个值选择 B 列中具有最小值的行。

原始数据框：

A	B	C
1	4	3
1	5	4
1	2	10
2	7	2
2	4	4
2	6	6

所需输出：

A	B	C
1	2	10
2	4	4

解决方案：

解决这个问题的关键在于Pandas的idxmin()方法。该方法返回每个组的指定列中具有最小值的行的索引。

使用groupby()和idxmin()，我们可以直接选择我们想要的行：

<code class="python"># Group the DataFrame by column 'A'
grouped = df.groupby('A')

# Get the index of the rows with the minimum value in column 'B' for each group
min_idx = grouped.B.idxmin()

# Use the index to select the desired rows
result = df.loc[min_idx]</code>

输出：

   A  B   C
2  1  2  10
4  2  4   4

这种方法可以有效地为 A 中的每个组选择 B 列中具有最小值的行，而不需要复杂的数据结构或中间步骤。

以上是如何在Pandas中GroupBy后选择特定列中具有最小值的行？的详细内容。更多信息请关注PHP中文网其他相关文章！