使用GroupBy查找数据帧中的最小值

Question

我有这样的数据：

Index SourceID  ComparedID  Distance
571   106       8           0.004846
572   106       11          0.000000
573   106       23          0.012712
574   107       84          0.002800
575   107       70          0.007555

它位于pandas数据帧中。我正在想办法：

我想从dataframe创建一个结果，找到最小距离并返回ComparedID。你知道吗

所以输出看起来像：

SourceID ComparedID Distance
106      11         0.000000
107      84         0.002800

我该怎么做？你知道吗

Answer 1

可以使用idxmin（）

df.iloc[df.groupby('SourceID')['Distance'].idxmin(), :]

    Index   SourceID    ComparedID  Distance
1   572     106         11          0.0000
3   574     107         84          0.0028

Answer 2

我不确定你到底需要什么，所以我在下面列出了2个选项。你知道吗

<强>1。不按源ID分组

这是获得2个最小距离的一种方法：

df.nsmallest(2, columns=['Distance'])

#    Index  SourceID  ComparedID  Distance
# 1    572       106          11    0.0000
# 3    574       107          84    0.0028

要仅返回comparedId列表，请执行以下操作：

df.nsmallest(2, columns=['Distance'])['ComparedID'].tolist()

# [11, 84]

<强>2。按源ID分组

这里的想法是按距离排序，然后按SourceID删除重复项：

df.sort_values('Distance').drop_duplicates('SourceID')

结果：

   Index  SourceID  ComparedID  Distance
1    572       106          11    0.0000
3    574       107          84    0.0028

Answer 3

df.sort_values(by='Distance').groupby('SourceID').agg('first')

您希望按距离对数据帧进行排序，并为每个'SourceID'获取距离最小的行，即每个组的第一行。你知道吗

上述操作产生以下输出：

        Index   ComparedID  Distance
SourceID            
106     572     11          0.0000
107     574     84          0.0028

当您使用group by时，分组的列最终会被索引，您可以通过随后重置索引来展平数据帧，以获得所需的输出

df.sort_values(by='Distance').groupby('SourceID').agg('first').reset_index()

输出：

    SourceID    Index   ComparedID  Distance
0   106         572     11          0.0000
1   107         574     84          0.0028