在 Dataframe 中为每组取下一个较低的值答案

【问题标题】：Take the next lower value per each group in Dataframe在 Dataframe 中为每组取下一个较低的值
【发布时间】：2018-09-08 11:04:04
【问题描述】：

          A   B       C
0  01:00:00  24  Andrew
1  01:00:00  17     Edd
2  01:00:00  12    Emma
3  01:00:00  18    Fred
4  02:00:00  38  Andrew
5  02:00:00  35     Edd
6  02:00:00  45    Emma
7  02:00:00  49    Fred

我想为每个A 组选择一行，条件如下：

取距离最小值为10的行。示例：在02:00:00组中，B最小值为35，因此取值为(35 + 10= 45)B值的行。李>
如果 (minimum + 10) 不存在，则取下一个较低的 B 值。示例：在01:00:00 组中，最小值为 12，但它不存在 (12 + 10 = 22)。所以取下一个较低的 B 值，即18。

输出应该是：

          A   B     C
0  01:00:00  18  Fred
1  02:00:00  45  Emma

我试过了：

df[df.groupby('A')['B'].transform('min') + 10 <= df['B']]

【问题讨论】：

标签： python pandas conditional

【解决方案1】：

使用带有idxmax 的自定义 lambda 函数返回第一个最大行，同时将条件更改为 >：

i = (df.sort_values('B', ascending=False)
      .groupby('A')['B']
      .apply(lambda x: ((x.min() + 10 >= x).idxmax())))
df = df.loc[i]
print (df)
          A   B     C
3  01:00:00  18  Fred
6  02:00:00  45  Emma

或者首先过滤掉每组具有较高值的所有行，然后按列B 过滤掉sort_values，最后过滤掉drop_duplicates，只保留最后一个重复行：

df1 = df[df.groupby('A')['B'].transform('min') + 10 >= df['B']]
df1 = df1.sort_values('B').drop_duplicates('A', keep='last')
print (df1)
          A   B     C
3  01:00:00  18  Fred
6  02:00:00  45  Emma

【讨论】：