基于条件最小值/最低点值过滤数据帧（python/pandas）

Question

对于给定的时间序列数据集，其值与ID相对应：

我想A，找到每个分组id的最小值，然后B，有条件地检查该分组列表是否有大于最小值（minPlus2）的后续值，例如：

df = pd.DataFrame({'id': [1,1,1,1,1,1,1,2,2,2,2,2,2], 'value'[8,5,3,2,1,2,3,13,8,5,3,2,1]})

患者ID 1符合值（df.value[6]）2大于最小值/最低点值1（df.value[4]）2的标准。患者ID 2与标准不匹配，因为在其最低点值（df.value[12]）后没有数字。在

到目前为止，我可以使用以下方法找到最低点值：

^{pr2}$

我不知道一种检查B的方法，如果在mins之后有比所识别的mins大2的后续值，如果是的话，则返回到一个单独的变量中。在

理想的输出是那些大于每组最小值2的值。只要是在最小值之后，这些值的索引位置就不重要。在

dfMin = 
id       1
value    1

dfMinPlus2 = 
id       1
value    3

Answer 1

您可以尝试transform，它类似于groupby，但在聚合后返回带有原始索引的数据

df[df['value'] == df.groupby('id')['value'].transform(np.min) +2]

Answer 2

更新答案：

多亏了这番评论，我才得以澄清问题，并想出了解决办法。在

要测试第一个需求（value>；=id+2的最小值），您需要一个系列来保存每个记录的id的最小值。如果您按id对dataframe进行分组并调用value系列的min()方法，这就是结果。您将需要从该系列中删除索引（groupby()方法会扰乱索引）。在

为了满足第二个要求（值出现在最小值的记录之后的记录中），只需使用上面确定的idxmin()方法。这将返回每个记录的id的最小值的一系列索引。在

然后，您可以将dataframe的value系列与第一个系列进行比较，并将dataframe的index与第二个序列进行比较，中间使用一个按位的&运算符，从而获得所需的结果（我认为）。在

import pandas as pd

df = pd.DataFrame({'id': [1,1,1,1,1,1,1,2,2,2,2,2,2], 'value': [8,5,3,2,1,2,3,13,8,5,3,2,1]})

min_value = df.groupby('id')['value'].min()[df['id']]

min_value.reset_index(drop = True, inplace = True)

min_index = df.groupby('id')['value'].idxmin()[df['id']]

df['condition'] = (df['value'] >= min_value + 2) & (df.index > min_index)

结果是在dataframe中生成一个新的序列，它指示给定的记录是否满足所需的条件。在

旧答案：

这个问题仍然有点不清楚（你的理想输出是什么？），但我想到了这个代码，它测试每个id的分组值，以查看是否存在一个值，即最小值的索引之后有两个索引。在

^{pr2}$

有了这个，test_id(1) == True，test_id(2) == False。在