Python 是否可以根据groupby的结果执行groupby？

我不认为我需要共享整个数据帧，但基本上，这是有问题的代码行（当然，熊猫已经被导入）

输出为：

>>> divstack
Division  Stack 
6U F      3/3/03     2.66
          3/6/03     4.81
          Cycle     13.89
7-8 F     3/3/03     2.41
          3/6/03     2.68
          Cycle      7.71
9-10 F    3/3/03     2.13
          3/6/03     2.75
          Cycle      6.94
Name: Time, dtype: float64

我已经抓住了Emma最快的时间是

2.13

，多亏了这一行代码：

emma=df[df['Competitor']=='emma Slabach'].groupby（['Competitor']）['Time'].min（）

输出为：

>>> emma
Competitor
Emma Slabach    2.13 
Name: Time, dtype: float64

但是，我如何修改前面的第一行代码，以具体获得她最快时间出现的时间的

分割

和

堆栈

（以及

时间

）？（第9-10F部分和烟囱3/3/03）

我不认为函数是必要的，但是有没有一种方法可以在我得到的第一个groupby输出（

divstack

）的基础上执行另一个groupby，以进一步“最小化”并获得最快的时间？ 或者我可以在

divstack

中的某个地方输入

emma

，以获得当时发生的分区/堆栈吗

---

我需要将除法、堆栈和时间存储到

divstack

我想您正在寻找idxmin函数

应该为每个竞争对手提供你想要的。如果需要，只需过滤Emma:

result.loc[result.Competitor==='Emma Slabach']

In [6]: df = pd.DataFrame([['Emma Slabach', '6U F',  '3/3/03', 2.66], ['Emma Slabach', '7-8 F', '3/3/03', 2.41], ['Roger', '6U F', '3/3/03', 3.80]], columns=['Competitor', 'Div
   ...: ision', 'Stack', 'Time'])

In [7]: df
Out[7]: 
     Competitor Division   Stack  Time
0  Emma Slabach     6U F  3/3/03  2.66
1  Emma Slabach    7-8 F  3/3/03  2.41
2         Roger     6U F  3/3/03  3.80

In [8]: df.loc[df.groupby('Competitor').Time.idxmin()]
Out[8]: 
     Competitor Division   Stack  Time
1  Emma Slabach    7-8 F  3/3/03  2.41
2         Roger     6U F  3/3/03  3.80

---

给定

divstack

，您可以使用

.loc

和

min（）

检索完整的多索引项：

---

你不知道怎么过滤艾玛吗？当我尝试

df.loc[df.groupby（['Competitor']=='Emma Slabach'）.Time.idxmin（）]

时，我得到了

KeyError:False

以及数据帧中的其他列，但我特别需要除法、堆栈和Time@zainy我刚刚更新了我的答案：命名groupby结果，然后过滤Emma的结果。这更清楚吗？您只能按列分组。您不能按表达式分组（我不确定这是什么意思）<代码>['Competitor']=='Emma Slabach'是一个表达式，而不是dataframeYeah中现有的列。这很有意义，谢谢。只是看看我是如何删除输出中的一些列！顺便问一下，你知道为什么

时间
列的名称在你的代码和我的原始代码中都没有出现吗？不客气！当您对单个变量应用聚合函数时，您将得到一个
系列
作为输出。它只是一个向量，所以它不会被名称引用，就像在多列数据帧中一样。但是，正如您在输出中看到的，它仍然被称为
时间
。您还可以使用
divstack.name
（您将看到它等于
'Time'
）。
result = df.loc[df.groupby('Competitor').Time.idxmin()]

In [6]: df = pd.DataFrame([['Emma Slabach', '6U F',  '3/3/03', 2.66], ['Emma Slabach', '7-8 F', '3/3/03', 2.41], ['Roger', '6U F', '3/3/03', 3.80]], columns=['Competitor', 'Div
   ...: ision', 'Stack', 'Time'])

In [7]: df
Out[7]: 
     Competitor Division   Stack  Time
0  Emma Slabach     6U F  3/3/03  2.66
1  Emma Slabach    7-8 F  3/3/03  2.41
2         Roger     6U F  3/3/03  3.80

In [8]: df.loc[df.groupby('Competitor').Time.idxmin()]
Out[8]: 
     Competitor Division   Stack  Time
1  Emma Slabach    7-8 F  3/3/03  2.41
2         Roger     6U F  3/3/03  3.80

divstack.loc[divstack.eq(divstack.min())]

Division  Stack 
9-10 F    3/3/03    2.13
Name: Time, dtype: float64