使用 Pandas 查找分组行的最小值答案

【问题标题】：Using Pandas to Find Minimum Values of Grouped Rows使用 Pandas 查找分组行的最小值
【发布时间】：2017-05-17 23:38:39
【问题描述】：

这可能是一个微不足道的问题，但我仍在尝试找出 pandas/numpy。

所以，假设我有一个具有以下结构的表：

group_id | col1 | col2 | col3 |  "A"   |  "B"
   x     |   1  |   2  |  3   |  NaN   |   1
   x     |   3  |   2  |  3   |   1    |   1 
   x     |   4  |   2  |  3   |   2    |   1
   y     |   1  |   2  |  3   |  NaN   |   3 
   y     |   3  |   2  |  3   |   3    |   3 
   z     |   3  |   2  |  3   |   10   |   2
   z     |   2  |   2  |  3   |   6    |   2
   z     |   4  |   2  |  3   |   4    |   2
   z     |   4  |   2  |  3   |   2    |   2

请注意，有一个 group_id 用于对每一行中的元素进行分组。所以一开始，我有 group_id 和 col1-col3 列的值。

然后对于每一行，如果 col1、col2 或 col3 的值 = 1，则“A”为 NaN，否则该值基于公式（与此处无关，因此我放置了一些数字）。

那个，我知道怎么用：

df["A"] = np.where(((df['col1'] == 1)|(df['col2']== 1) | (df['col3']) == 1))), NaN, value)

但是对于“B”列，我需要用 A 列中特定组的最小值来填充它。

例如，对于具有组 X 的所有行，“B”等于“1”，因为对于所有组“x”行，A 列中的最小值等于 1。

同样，对于“y”组中的行，最小值为 3，而对于“z”组，最小值为 2。我该如何使用 pandas...？这让我有点困惑，因为特定组的行数可以是不同的大小。

如果它们的大小都相同，我只能说用预设范围内的最小值填充它。

我希望这是有道理的；请让我知道我是否应该提供更清晰的示例或澄清任何事情！

【问题讨论】：

标签： python pandas numpy dataframe

【解决方案1】：

只关注['col1', 'col2', 'col3']
查看它们是否等于1，eq(1) 等于== 1
查看axis=1 和any(1) 是否有任何等于一
使用loc进行分配

anyone = df[['col1', 'col2', 'col3']].eq(1).any(1)
df.loc[anyone, 'A'] = np.nan

numpy 等效

anyone = (df[['col1', 'col2', 'col3']].values == 1).any(1)
df.A = np.where(anyone, np.nan, df.A)

【讨论】：

那么，我使用 np.where 解决我的那部分问题的方法不起作用吗？或者您是否建议使用 .loc 使其更优雅（而不是手动检查）？
嗯，你为什么使用.all(1)？我只关心是否有任何一列 = 1，而不是所有列。 .eq(1) 不够吗？
我明白了；我将更新我的代码以使用 .any(1);它看起来比手动检查每一列更干净。关于填写 B 列值的另一个问题，使用 groupby 的技巧是什么？
所以，我应该可以说：df.loc[anyone, 'A'] = np.nan 如果有 1，则将 'A' 设置为 NaN。但对于所有列的条目除了 1 之外还有其他值，说 df.loc[!anyone, 'A'] = value 会起作用，对吧？

【解决方案2】：

要获得每个组的 A 列的最小值，请使用 transform

df.groupby('group_id')['A'].transform('min')

【讨论】：

我理解正确，对于每一行，这将找到 group_id，然后使用该 group_id 对所有行进行分组。然后 .transform('min') 告诉我们正在尝试找到该组中的最小值。那么如果我想最小化该组的“A”列中的值，它会是 df['B'] = df.groupby('group_id').transform('min').min("A") 吗？我假设这将自动忽略 "A" 中的任何值，即 NaN
不需要输入.min('A')。我写的上面的代码中只使用了“A”列。它在groupby 语句之后的括号中。你写的其他一切都是正确的。
啊，我明白了。这就说得通了;我不知道变换（'min'）。谢谢！
如此清晰 - 转换返回一个对象，每个组的行数相同。所以它保持原始数据框行尺寸相同。
您指的是列吗？如果它返回相同的行数就没有意义吗？有些组可能有 15 行，而其他组可能有 2 行。它只选择最大的吗？

【解决方案3】：

df.groupby('group_id')['A'].min()

【讨论】：

与the accepted answer 中使用的transform('min') 语法相比，min() 语法有什么好处？