Question

我有一个像这样的数据框：

df = pd.DataFrame({'year': [2018, 2018, 2018, 2018, 2018, 2018, 2019, 2019, 2019, 2019, 2019, 2019],
                   'label': ['A', 'B', 'C', 'A', 'B', 'D', 'A', 'E', 'F', 'G', 'E', 'E'],
                   'cat' : [236, 546, 671, 555, 871, 229, 811, 992, 227, 341, 701, 508],
                   'value': [2, 5, 6, 1, 9, 4, 7, 8, 13, 11, 3, 12]})

我想按year和label进行分组，并为每一个分组返回value的最小值的行。该行必须包含（原始）索引值以及所有列（来自df）。

因此，结果应类似于：

 3  2018  A  555   1
 1  2018  B  546   5
 2  2018  C  671   6
 5  2018  D  229   4
 6  2019  A  811   7
10  2019  E  701   3
 8  2019  F  227  13
 9  2019  G  341  11

到目前为止，我的代码：

df.groupby(by=['year', 'label']).min().reset_index()

对于value具有正确的值，但对于cat没有正确的值。另外，（原始）索引也丢失了。

任何建议如何解决这个问题？

Answer 1

您可以使用idxmin()：

df.loc[df.groupby(['year','label']).value.idxmin()]

输出：

    year label  cat  value
3   2018     A  555      1
1   2018     B  546      5
2   2018     C  671      6
5   2018     D  229      4
6   2019     A  811      7
10  2019     E  701      3
8   2019     F  227     13
9   2019     G  341     11

Answer 2

这很好地表明了您想要排序然后调用drop_duplicates，因为groupby会破坏原始索引。

# This is a little simpler but the order will change.
# df.sort_values('value').drop_duplicates(['year', 'label'])

df.sort_values(['year', 'label', 'value']).drop_duplicates(['year', 'label'])

    year label  cat  value
3   2018     A  555      1
1   2018     B  546      5
2   2018     C  671      6
5   2018     D  229      4
6   2019     A  811      7
10  2019     E  701      3
8   2019     F  227     13
9   2019     G  341     11

Answer 3

1。首先，您需要找到min
res = df.groupby(['Year','label'],as_index=False)['value'].min()

2。然后与原始df合并 final_result = pd.merge(df[['Year','label','cat']],res,on=['Year','label'],how='inner')

带有min函数的python熊猫groupby聚合

3 个答案: