如何有效地按索引熊猫分组的列中选择最小值？

Question

我试图在python熊猫中找到每个索引的最小值，但是我使用的数据集非常大。我将如何最有效地完成以下任务： 给定一个DataFrame：

index   col1 col2
i1      1    5
        2    6

i2      3    7
        4    8

我如何最有效地获得按索引分组的col1中的最小值，即[1,3]或{'i1'：1，'i2'：3}等，以下显然是子标准实现< / p>

min_time = [frame.loc[index_val]['timestamp_ms'].min() for index_val in ['i1','i2']]

谢谢

Answer 1

将groupby与聚合min一起使用，然后将输出转换为列表或字典：

out = df.groupby(level=0)['col1'].min().tolist()

或者：

out = df.groupby(level=0)['col1'].min().to_dict()

使用Series.min的Nicer解决方案：

out = df['col1'].min(level=0).tolist()
out = df['col1'].min(level=0).to_dict()