Python numpy数组或数据帧中的条件筛选

假设我有以下数据，可以是

numpy

array或

pandas

DataFrame：

array([[4092,    3],
       [4095,    4],
       [4097,    4],
       [4124,    1],
       [4128,    0],
       [4129,    0],
       [4131,    5],
       [4132,    5],
       [4133,    2],
       [4134,    2]], dtype=int64)

我想得到一个数组，其中包含每个类别中的最小值（第2列）。我可以在每个唯一的值上循环执行min操作并存储结果，但我想知道是否有一种更快更干净的方法来实现这一点

输出如下所示：

array([[4092,    3],
       [4095,    4],
       [4124,    1],
       [4128,    0],
       [4131,    5],
       [4133,    2]], dtype=int64)

---

在pandas中，可以通过执行

groupby

，然后在第1列上调用

min（）

，在这里我的df具有列名

0

和

1

，然后调用

reset\u index

，将分组索引恢复为列，由于现在的顺序有点混乱，我使用

ix

和“奇特的索引”来获得您想要的顺序：

In [22]:

result = df.groupby(1)[0].min().reset_index()
result.ix[:,[0,1]]
Out[22]:
      0  1
0  4128  0
1  4124  1
2  4133  2
3  4092  3
4  4095  4
5  4131  5

上述方法是矢量化的，因此它们将比在每一行上迭代快得多，伸缩性也更好

我使用以下代码创建了数据帧：

In [4]:

import numpy as np
a = np.array([[4092,    3],
       [4095,    4],
       [4097,    4],
       [4124,    1],
       [4128,    0],
       [4129,    0],
       [4131,    5],
       [4132,    5],
       [4133,    2],
       [4134,    2]], dtype=np.int64)
a
Out[4]:
array([[4092,    3],
       [4095,    4],
       [4097,    4],
       [4124,    1],
       [4128,    0],
       [4129,    0],
       [4131,    5],
       [4132,    5],
       [4133,    2],
       [4134,    2]], dtype=int64)

In [23]:

import pandas as pd
df = pd.DataFrame(a)
df
Out[23]:
      0  1
0  4092  3
1  4095  4
2  4097  4
3  4124  1
4  4128  0
5  4129  0
6  4131  5
7  4132  5
8  4133  2
9  4134  2

---

@Ffisegydd我认为你是对的，我将删除并思考一下，谢谢你指出这个outPerfect！我会在一分钟内接受。非常感谢@谢谢！我已经更新了问题。