Pandas DataFrame 行级最小值及其关联项的高效提取方法-Python教程-PHP中文网

Pandas DataFrame 行级最小值及其关联项的高效提取方法

花韻仙語

发布： 2025-10-08 11:40:02

原创

973人浏览过

Pandas DataFrame 行级最小值及其关联项的高效提取方法

本文详细介绍了如何在Pandas DataFrame中高效地查找每行的最小值，并同时提取与该最小值关联的特定列（例如，与数值列相邻的描述性列）的值。通过巧妙结合idxmin、字符串替换和NumPy风格的索引技巧，本教程提供了一种灵活且可扩展的解决方案，以满足数据分析中常见的复杂数据提取需求。

1. 引言与问题背景

在数据分析中，我们经常需要从dataframe的多个列中找出每行的最小值。然而，仅仅获取最小值本身通常不足以满足分析需求，我们可能还需要知道这个最小值是来自哪个“类别”或“描述项”。例如，如果dataframe包含成对的“值”列（value1, value2, value3）和对应的“项目”列（item1, item2, item3），我们的目标不仅是找到行级最小值，还要找出与该最小值对应的item值。

考虑以下DataFrame示例：

import pandas as pd

df = pd.DataFrame({
   'Item1': ['A', 'B', 'C', 'D'],
   'Value1': [1,4,5,7],
   'Item2': ['F', 'G', 'H', 'I'],
   'Value2': [0,4,8,12],
   'Item3': ['K', 'L', 'M', 'N'],
   'Value3': [2.7,3.4,6.2,8.1],
})

print("原始DataFrame:")
print(df)

登录后复制

我们的目标是生成一个包含Min_Value（每行的最小值）和Min_Item（与Min_Value对应的Item列的值）的新DataFrame，其预期结果如下：

  Item1  Value1 Item2  Value2 Item3  Value3 Min_Item  Min_Value
0     A       1     F       0     K     2.7        F        0.0
1     B       4     G       4     L     3.4        L        3.4
2     C       5     H       8     M     6.2        C        5.0
3     D       7     I      12     N     8.1        D        7.0

登录后复制

2. 核心思路与步骤分解

解决此问题的关键在于如何动态地从“值”列名推断出对应的“项目”列名，并利用Pandas和NumPy的强大索引能力进行数据提取。

2.1 确定参与比较的列

首先，我们需要明确哪些列参与行级最小值的比较。在这个例子中，是所有Value开头的列。

value_cols = ['Value1', 'Value2', 'Value3']

登录后复制

2.2 找出每行最小值的列名

使用df[value_cols].idxmin(axis=1)可以获取每行最小值所在的列名。axis=1表示按行操作。

min_value_col_names = df[value_cols].idxmin(axis=1)
print("\n每行最小值所在的列名:")
print(min_value_col_names)
# 示例输出:
# 0    Value2
# 1    Value3
# 2    Value1
# 3    Value1
# dtype: object

登录后复制

2.3 提取每行的最小值

有了最小值所在的列名，我们可以结合NumPy风格的索引来直接从DataFrame中提取这些值。NumPy风格的索引允许我们使用一个整数数组作为行索引，另一个整数数组作为列索引来高效地选择数据。

小绿鲸英文文献阅读器

英文文献阅读器，专注提高SCI阅读效率

199

查看详情

行索引: range(len(df)) 或 df.index 代表所有行。
列索引: df.columns.get_indexer_for(min_value_col_names) 将列名Series转换为对应的整数位置数组。

row_indices = range(len(df))
col_indices_for_min_values = df.columns.get_indexer_for(min_value_col_names)

df['Min_Value'] = df.values[row_indices, col_indices_for_min_values]
print("\n添加 Min_Value 后的 DataFrame:")
print(df)

登录后复制

此时，Min_Value列已经正确添加。

2.4 关键步骤：转换列名以获取关联项

现在，最关键的一步是根据min_value_col_names（例如Value2）推导出对应的Item列名（例如Item2）。这可以通过简单的字符串替换实现。

min_item_col_names = min_value_col_names.str.replace('Value', 'Item')
print("\n每行最小值对应的 Item 列名:")
print(min_item_col_names)
# 示例输出:
# 0    Item2
# 1    Item3
# 2    Item1
# 3    Item1
# dtype: object

登录后复制

2.5 提取每行对应的关联项

与提取最小值类似，我们再次利用NumPy风格的索引，但这次是使用转换后的min_item_col_names来获取列的整数位置。

col_indices_for_min_items = df.columns.get_indexer_for(min_item_col_names)

df['Min_Item'] = df.values[row_indices, col_indices_for_min_items]
print("\n最终结果 DataFrame:")
print(df)

登录后复制

3. 完整代码示例

将上述步骤整合，可以得到一个简洁高效的解决方案：

import pandas as pd

# 1. 准备数据
df = pd.DataFrame({
   'Item1': ['A', 'B', 'C', 'D'],
   'Value1': [1,4,5,7],
   'Item2': ['F', 'G', 'H', 'I'],
   'Value2': [0,4,8,12],
   'Item3': ['K', 'L', 'M', 'N'],
   'Value3': [2.7,3.4,6.2,8.1],
})

print("--- 原始 DataFrame ---")
print(df)

# 2. 定义参与比较的数值列
value_cols = ['Value1', 'Value2', 'Value3']

# 3. 获取每行最小值所在的列名 (e.g., 'Value2', 'Value3')
min_value_col_names = df[value_cols].idxmin(axis=1)

# 4. 准备行索引 (所有行)
row_indices = range(len(df))

# 5. 提取每行的最小值
# 将列名Series转换为DataFrame的实际列位置
col_indices_for_min_values = df.columns.get_indexer_for(min_value_col_names)
# 使用NumPy风格的高级索引提取值
df['Min_Value'] = df.values[row_indices, col_indices_for_min_values]

# 6. 转换列名以获取对应的关联项列名 (e.g., 'Value2' -> 'Item2')
min_item_col_names = min_value_col_names.str.replace('Value', 'Item')

# 7. 提取每行对应的关联项
# 将转换后的列名Series转换为DataFrame的实际列位置
col_indices_for_min_items = df.columns.get_indexer_for(min_item_col_names)
# 使用NumPy风格的G高级索引提取关联项
df['Min_Item'] = df.values[row_indices, col_indices_for_min_items]

print("\n--- 最终结果 DataFrame ---")
print(df)

登录后复制

4. 注意事项与总结

df.values与NumPy索引: df.values返回DataFrame的底层NumPy数组。使用df.values[row_indices, col_indices]这种NumPy风格的高级索引方式，可以高效地根据行和列的整数位置批量提取数据，这比多次使用df.loc或df.iloc要快得多。
df.columns.get_indexer_for(): 这个方法非常有用，它能将一个列名列表或Series转换为这些列名在DataFrame列索引中的整数位置数组，是实现NumPy高级索引的关键桥梁。
列名命名规范: 本教程的解决方案依赖于ValueX和ItemX这种有规律的列名。如果你的列名没有这种规律（例如Price_A, Description_A），则需要调整字符串替换逻辑，或者维护一个从Value列名到Item列名的映射字典。
性能: 这种方法利用了Pandas和NumPy的向量化操作，对于大型DataFrame来说，其性能远优于使用apply配合lambda函数或循环迭代行的方式。

通过本教程介绍的方法，您可以灵活地在Pandas DataFrame中查找行级最小值，并同时提取其对应的关联数据，从而更深入地理解和分析您的数据集。

以上就是Pandas DataFrame 行级最小值及其关联项的高效提取方法的详细内容，更多请关注php中文网其它相关文章！