Question

我试图基于两列过滤熊猫数据框，以便对于第一列中的每个值只保留那些行，其中第二列是最小的。我知道这样听起来很混乱，所以这里有个例子：

> df = pd.DataFrame([{'a':'anno1', 'ppm':1},{'a':'anno1', 'ppm':2},{'a':'anno2', 'ppm':2},{'a':'anno2', 'ppm':2}])

> df
       a  ppm
0  anno1    1
1  anno1    2
2  anno2    2
3  anno2    2

我想要行0,2和3，因为对于anno1，最小ppm是1，对于anno2，最小ppm是2（保留两行！）。所以我从groupby开始：

> grouped_series = df.groupby(['a']).ppm.min()
> grouped_series
a
anno1    1
anno2    2

现在，对于a中的每个值，我都有最小值ppm。但是，如何使用该系列过滤原始数据帧？还是有更简单的方法来做到这一点？我尝试了以下几种变化：

new_df = df.loc[ df.loc[:,'ppm']==grouped_series.loc[df.loc[:,'a']] , :]

但这给了我ValueError: Can only compare identically-labeled Series objects

Answer 1

使用GroupBy.transform将Series的最小值用作与df相同的大小，因此比较效果不错，也不需要在loc的{{3}}中进行过滤：

new_df = df[df['ppm'] == df.groupby('a').ppm.transform('min')]
print (new_df)
       a  ppm
0  anno1    1
2  anno2    2
3  anno2    2

Answer 2

如果您不介意重置原始索引，这里是另一种方法：

df.merge(df.groupby(['a'])['ppm'].min().reset_index(), how='inner')

输出：

    a   ppm
0   anno1   1
1   anno2   2
2   anno2   2

根据两列过滤熊猫数据框

2 个答案: