我已经看到许多其他相关的 SO 问题，例如 this和 this ，但它们似乎并不是我想要的。假设我有这样一个数据框:

import pandas as pd
df = pd.DataFrame(columns=['patient', 'parent csn', 'child csn', 'days'])
df.loc[0] = [0, 0, 10, 5]
df.loc[1] = [0, 0, 11, 3]
df.loc[2] = [0, 1, 12, 6]
df.loc[3] = [0, 1, 13, 4]
df.loc[4] = [1, 2, 20, 4]
df
Out[9]: 
  patient parent csn child csn days
0       0          0        10    5
1       0          0        11    3
2       0          1        12    6
3       0          1        13    4
4       1          2        20    4

现在我想做的是这样的:

grp_df = df.groupby(['parent csn']).min()

问题是结果计算了 所有 列(不是parent csn)的最小值，并产生:

grp_df
            patient  child csn  days
parent csn                          
0                 0         10     3
1                 0         12     4
2                 1         20     4

您可以看到，对于第一行，days 编号和child csn 编号不再位于同一行，就像它们在分组之前一样。这是我想要的输出:

grp_df
            patient  child csn  days
parent csn                          
0                 0         11     3
1                 0         13     4
2                 1         20     4

我怎样才能得到它？我有遍历数据帧的代码，我认为它会工作，但它很慢，因为所有的退出，即使使用 Cython。我觉得这应该是显而易见的，但我没有发现。

我看了this问题也是如此，但是将 child csn 放在 groupby 列表中将不起作用，因为 child csn 随着 days 的变化而变化。

This问题似乎更有可能，但我没有找到非常直观的解决方案。

This问题似乎也很可能，但同样，答案不是很直观，而且我确实希望每个 parent csn 只需要一行。

另一个细节:包含最小 days 值的行可能不是唯一的。在那种情况下，我只想要一行 - 我不在乎是哪一行。

非常感谢您的宝贵时间!

最佳答案

您可以使用 .idxmin() 而不是 .min() 来获取索引(行标识符)，其中“天数”最少每组:

数据创建:

import pandas as pd

data = [[0, 0, 10, 5],
        [0, 0, 11, 3],
        [0, 1, 12, 6],
        [0, 1, 13, 4],
        [1, 2, 20, 4]]
df = pd.DataFrame(data, columns=['patient', 'parent csn', 'child csn', 'days'])

print(df)
   patient  parent csn  child csn  days
0        0           0         10     5
1        0           0         11     3
2        0           1         12     6
3        0           1         13     4
4        1           2         20     4

day_minimum_row_indices = df.groupby("parent csn")["days"].idxmin()

print(day_minimum_row_indices)
parent csn
0    1
1    3
2    4
Name: days, dtype: int64

由此您可以看到组父 csn 0 在第 1 行的天数最少。回顾我们的原始数据框，我们可以看到第 1 行的天数 == 3，实际上是最小天数的位置父 csn == 0 的天数。父 csn == 1 在第 3 行有最少天数，依此类推。

我们可以使用行索引将子集返回到我们的原始数据框中:

new_df = df.loc[day_minimum_row_indices]

print(new_df)
   patient  parent csn  child csn  days
1        0           0         11     3
3        0           1         13     4
4        1           2         20     4

编辑(tldr):

df.loc[df.groupby("parent csn")["days"].idxmin()]

关于python-3.x - Python Pandas : groupby one column, 只在另外一列聚合，取对应数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/64472480/