Python 基于迭代规则隔离数据帧的多行

假设我有一个

  X Y
0 1 1
1 1 2
2 1 3
3 2 4
4 2 5
5 2 6
6 3 7
7 3 8
8 3 9

我希望我的新数据帧是这样的，对于X的每个唯一值，即1、2和3，我隔离Y最小的行。所以我希望我的最终数据帧看起来像：

  X Y
0 1 1
1 2 4
2 3 7

我熟悉如何获得X的每个唯一值。它将是

df['X'].unique（）

。因此，我的天真做法最初只是：

X_list = []
for i in df['X'].unique():
    i_df = df.loc[df['X'] == i]
    X_list.append(i_df.loc[i_df['Y'].idxmin()])
new_df = pd.DataFrame(X_list)

然而，这会带来问题，因为如果您试图通过创建新的数据帧将这些孤立的行合并在一起，索引就会变得一团糟。也就是说，如果我试图通过旧数据帧中的原始索引访问新数据帧中的这些行，我会得到一个键错误，这表明这样一个索引行不存在。我最初尝试用

reset\u index

函数来解决这个问题，但也没有成功

---

因此，我想知道是否有一些干净的方法可以从原始数据帧中查询这个问题，或者我的解决方案是否有一个扩展，可以让它像您期望的那样从数据帧中工作，而不会出现奇怪的索引问题。我怀疑使用

groupby

函数可能有某种方法可以做到这一点，但我真的想不出是如何做到的。

您认为groupby是一种方法是正确的。

df.groupby（['X']）.min（）

您可以将

min

替换为其他聚合函数，例如

count

、

max

、

sum

。

---

以下是一些可能有效的方法。在您的情况下，设置

find_max=False

导入熊猫
进口经营者
def筛选器_df（df=None，col=None，find_max=True）：
"""
通过优化另一列来序列化一列。返回
另一个dataframe。序列化列可能未排序。
"""
如果不是df或非col：通过
如果find_max:evaluate=operator.ge
如果未找到_max:evaluate=operator.le
d={}
对于df.items中的行：
如果行不在d.keys（）中：
d[行]=df.loc[行]
elif评估（df.loc[行][col]，d[行][col]）：
d[行]=df.loc[行]
返回数据帧（d）

使用

GroupBy.min

：

df.groupby('X')['Y'].min().reset_index()

---

让你的答案

df.groupby（'X'）['Y'].min（）.reset_index（）

，我可以投赞成票，我同意@Erfan会自己发布的，那么我想@OrrenRavidI确实很欣赏你的方法，但是我认为@Erfan建议的一行代码更符合我的目的。Np，有意义在数据帧上进行操作只是作为最后的手段。矢量化解决方案是一条出路。精读it@Erfan我想这就是为什么

DataFrame

没有用于行的无参数pop方法的原因。。。（编辑：据我所知）