Python 如何在熊猫身上进行复杂的群舞？

我有一个数据框，如：

      a    b   id
1    10    6    1
2     6   -3    1
3    -3   12    1  # id is 1, but needs a tie breaker
4    -2   12    1  # id is 1, but needs a tie breaker
5     4    8    2 
6    12   11    2  
7     3   -5    2
8     3   -5    2

如何创建一个新的数据帧，该数据帧首先获取

id

列，然后每次

b

列超过10，如果有多行符合此标准，则通过选择列

a

中具有最小值的行来打破僵局：

      a    b   id
1    -3   12    1 
2    12   11    2 

---

我有一个数据帧，大约有2000000行和10000个

id

值，所以for循环非常慢

这里有一个解决方案，如果

df

是您的原始数据帧：

df2 = df[df['b'] > 10]
out = df2.loc[df2.groupby('id')['a'].idxmin()]

你应该得到：

    a   b  id
3  -3  12   1
6  12  11   2

---

这里有一个解决方案，如果

df

是您的原始数据帧：

df2 = df[df['b'] > 10]
out = df2.loc[df2.groupby('id')['a'].idxmin()]

你应该得到：

    a   b  id
3  -3  12   1
6  12  11   2

---

您可以根据id进行分组，并应用一个查询b>10并查找最小值a的函数。见下文

def my_func(group):
    return df.ix[group.query('b>10')['a'].argmin(), ['a','b']]

print df.groupby(['id']).apply(my_func).reset_index()

这导致

  id   a   b
0   1  -3  12
1   2  12  11

---

您可以根据id进行分组，并应用一个查询b>10并查找最小值a的函数。见下文

def my_func(group):
    return df.ix[group.query('b>10')['a'].argmin(), ['a','b']]

print df.groupby(['id']).apply(my_func).reset_index()

这导致

  id   a   b
0   1  -3  12
1   2  12  11

编写一个函数，根据您对

b

的条件过滤

数据帧

，然后获得

a

最小值为

idxmin

的索引。然后，我们将此函数应用于分组数据

>>> def get_rows(data):
    ...     return data.loc[data.loc[data['b'] > 10].a.idxmin()]

>>> data.groupby('id').apply(get_rows)
     a   b  id
id            
1   -3  12   1
2   12  11   2

编写一个函数，根据您对

b

的条件过滤

数据帧

，然后获得

a

最小值为

idxmin

的索引。然后，我们将此函数应用于分组数据

>>> def get_rows(data):
    ...     return data.loc[data.loc[data['b'] > 10].a.idxmin()]

>>> data.groupby('id').apply(get_rows)
     a   b  id
id            
1   -3  12   1
2   12  11   2

---

下面是另一个解决方案：

data = {'a': [10,6,-3,-2,4,12,3,3], 'b': [6,-3,12,12,8,11,-5,-5], 'id': [1,1,1,1,2,2,2,2]}
df = pandas.DataFrame.from_dict(data)
grouper = df[df.b > 10].groupby(df.id)
filtered = list()
for group, group_data in grouper:
    filtered.append(group_data.apply(min))
df_filtered = pandas.DataFrame.from_records(filtered)

# output
    a   b  id
0  -3  12   1
1  12  11   2

---

注意：在这种情况下，结果的索引将为[0,1]。

这里是另一个解决方案：

data = {'a': [10,6,-3,-2,4,12,3,3], 'b': [6,-3,12,12,8,11,-5,-5], 'id': [1,1,1,1,2,2,2,2]}
df = pandas.DataFrame.from_dict(data)
grouper = df[df.b > 10].groupby(df.id)
filtered = list()
for group, group_data in grouper:
    filtered.append(group_data.apply(min))
df_filtered = pandas.DataFrame.from_records(filtered)

# output
    a   b  id
0  -3  12   1
1  12  11   2

---

注意：在这种情况下，结果的索引将是[0，1]。我不认为这会起作用，因为

min

必须应用于特定列，而不是所有列。如果可以使用

df.min（'a'）

进行选择，那么这将起作用。我不认为这会起作用，因为

min

必须应用于特定列，而不是所有列。如果可以使用

df.min（'a'）

进行选择，那么这就行了。