Question

我有一个表格，格式如下：

data = {'City' : ['London', 'Paris', 'Paris','NY' 'London'], 'Distance' : [5, 1, 7, 2, 6]}
df = pd.DataFrame(data)
df

    City    Distance
0   London  5
1   Paris   1
2   Paris   7
3   NY      2
4   London  6

我想创建一个包含所有具有唯一“City”的行的表，并且每当有2行或更多行具有相同的“City”值时，我希望它返回具有最低“距离”的行。所以在这种情况下，我想要一个这样的表：

City    Distance
London  5
Paris   1
NY      2

我知道我可以使用：

df.groupby('City')

但我不知道要添加什么来返回最小的'距离'。

最佳，罗莎

Answer 1

某些时候DDP_COMPLIANCE ,ONTRAC_COMPLIANCE_CD ,TECH_COMPLIANCE_STARTBY_TS是不必要的，请尝试groupby

drop_duplicates

Answer 2

每组最小Distance的索引需要DataFrameGroupBy.idxmin，然后按loc选择行：

df1 = df.loc[df.groupby('City', sort=False)['Distance'].idxmin()]
print (df1)
     City  Distance
0  London         5
1   Paris         1
3      NY         2

详情：

print (df.groupby('City', sort=False)['Distance'].idxmin())
City
London    0
Paris     1
NY        3
Name: Distance, dtype: int64

Answer 3

我的观点是@jezrael在groupby内提供最惯用的方法。我自己在其他答案上提供了相同的解决方案。但是，这里有一些其他选择。

选项1
在pd.DataFrame.nsmallest中使用apply 即使api有点笨拙，这也提供了清晰的逻辑。我认为此版本的nsmallest应该可供groupby对象使用。但是，对于大熊猫0.20.3，它不是。所以我们在通用apply方法中使用它。请务必在group_keys=False的调用中使用groupby，以避免出现尴尬的其他索引。

df.groupby('City', group_keys=False).apply(
    lambda d: d.nsmallest(1, columns='Distance'))

     City  Distance
0  London         5
3      NY         2
1   Paris         1

选项2
由@Wen拍摄，所以我删除了。

Answer 4

您可以使用

>>> df.groupby(['City'], sort=False)['Distance'].min()
City
London    5
Paris     1
NY        2
Name: Distance, dtype: int64

在groupby之后获得最低价值 - 熊猫

4 个答案: