Python 基于第三列的列匹配

我有一个类似于：

    Name  id  precision
0  John   1          1
1  John   1          2
2  John   2          3
3  Marc   1          3
4   Tom   2          1

下面是生成它的代码：

pd.DataFrame([{'Name': 'John', 'id': 1, 'precision': 1}, 
{'Name': 'John', 'id': 1, 'precision': 2}, 
{'Name': 'John','id': 2, 'precision': 3}, 
{'Name': 'Marc', 'id': 1, 'precision': 3}, 
{'Name': 'Tom', 'id': 2, 'precision': 1}])

我有不同的算法可以找到对应的btw名称和id。每个算法在相应的列中都有自己的精度报告（越小越好）。最终我想得到最好的匹配，如果有的话

预期的结果是：

    Name  id  precision
0  John   1          1
4   Tom   2          1

John应该与1匹配，因为它是唯一一个精度为1的匹配项（Marc的精度为3）

Tom应该与2匹配，因为它是唯一一个精度为1的匹配

我正在尝试：

df['min'] = df.groupby('Name').precision.transform(min)

---

要找到最小值，但我在提取所需结果时遇到困难。

我认为您需要在“id”列而不是名称上分组

df.loc[df.groupby('id')['precision'].idxmin()]

输出：

   Name  id  precision
0  John   1          1
4   Tom   2          1

---

无需

groupby

df.sort_values(['id','precision']).drop_duplicates(['id'],keep='first')
Out[813]: 
   Name  id  precision
0  John   1          1
4   Tom   2          1

---

是否删除了

Marc

？你能解释一下原因吗？因为一旦找到对应的btw名称和id是唯一的。在本例中，John获得id 1，因为他具有更好的精度（1）。Marc没有得到id 1，因为算法发现这种匹配可能具有最差的精度（3个），基本上对于一个名称，我只有一个id，对于一个id，我只能有一个名称。为什么不使用布尔索引选择所有等于1的精度，如

df[df['precision'].eq（1）]

nice

idxmin

：-）