Pandas DataFrame 数据处理：基于分组的最小值索引提取

本文旨在解决如何使用 Python 的 Pandas 库，针对两个 DataFrame，根据特定条件从第一个 DataFrame 中提取特定行。核心方法是基于第二个 DataFrame 的映射关系，对第一个 DataFrame 的 smth 列进行分组，并找出每组中对应 rank 最小的行的索引，最终筛选出目标数据。

问题描述

假设我们有两个 Pandas DataFrame，df1 和 df2。df1 包含 smth、code、product_name、digit 和 changes 等列，df2 包含 smth 和 rank 两列。我们的目标是，对于 df1 中每个 code，找到 smth 在 df2 中对应 rank 最小的那一行，并将这些行提取出来，组成一个新的 DataFrame。

解决方案

解决这个问题的核心思路是：

1. 建立映射关系： 利用 df2 创建一个 smth 到 rank 的字典映射。
2. 映射和分组： 使用该字典将 df1 的 smth 列映射为对应的 rank，然后按照 code 列进行分组。
3. 找到最小索引： 在每个分组中，找到 rank 最小的行的索引。
4. 筛选数据： 使用这些索引从 df1 中提取对应的行，得到最终结果。

代码实现

import pandas as pd

# 示例数据
data1 = {'smth': ['RB', 'Supp', 'DX RT', 'Fk', 'CZFO', 'Supp_t', 'RK', 'rec', 'commerc', 'Supp_t'],
         'code': ['HC-1343958', 'HC-1343958', 'HC-1340305', 'HC-1340305', 'HC-1107001', 'HC-1107001', 'HC-1107001', 'HC-1135154', 'HC-1135154', 'HC-1135154'],
         'product_name': ['ERXY3-400', 'ERXY3-400', 'BWH/S 100 Level PRO', 'BWH/S 100 Level PRO', 'GWH 12 Fonte', 'GWH 12 Fonte', 'GWH 12 Fonte', 'BEC/ETER-1500', 'BEC/ETER-1503', 'BEC/ETER-1505'],
         'digit': [3, 2, 20, 1, 1, 17, 78, 246, 10, 23],
         'changes': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}
data2 = {'smth': ['rec', 'Supp', 'Supp_t', 'RK', 'CZFO', 'RB'], 'rank': [2, 4, 6, 8, 9, 10]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# 创建 smth 到 rank 的映射字典
m = dict(df2.values)

# 将 df1 的 'smth' 列映射为对应的 rank，并按照 'code' 列进行分组，找到每组 rank 最小的行的索引
idxmin = df1['smth'].map(m).groupby(df1['code']).idxmin()

# 使用这些索引从 df1 中提取对应的行
out = df1[df1.index.isin(idxmin)]

print(out)

代码解释：

办公小浣熊

办公小浣熊是基于商汤大语言模型的原生数据分析产品，

77

查看详情

1. m = dict(df2.values)：这行代码将 df2 转换为一个字典，其中 df2['smth'] 作为键，df2['rank'] 作为值。
2. df1['smth'].map(m)：这行代码使用字典 m 将 df1 的 smth 列的值映射为对应的 rank 值。如果 df1['smth'] 中的某个值在字典 m 中找不到对应的键，那么映射后的值为 NaN。
3. .groupby(df1['code'])：这行代码按照 df1 的 code 列对映射后的 rank 值进行分组。
4. .idxmin()：这行代码找到每个分组中 rank 值最小的行的索引。
5. df1[df1.index.isin(idxmin)]：这行代码使用 idxmin 中的索引从 df1 中提取对应的行。df1.index.isin(idxmin) 返回一个布尔 Series，指示 df1 的每一行的索引是否在 idxmin 中。df1[...] 使用这个布尔 Series 来选择 df1 中对应的行。

结果

运行上述代码，将得到以下 DataFrame：

    smth        code product_name  digit  changes
1   Supp  HC-1343958    ERXY3-400      2        1
5  Supp_t  HC-1107001  GWH 12 Fonte     17        1
7     rec  HC-1135154  BEC/ETER-1500    246        1

这个 DataFrame 就是我们所期望的结果，它包含了 df1 中每个 code 对应的 smth 在 df2 中 rank 最小的行。

注意事项

• 确保 df2 中 smth 列的值在 df1 的 smth 列中存在，否则映射结果会包含 NaN 值，可能会影响最终结果。
• 如果某个 code 对应的所有 smth 值在 df2 中都找不到对应的 rank，那么该 code 将不会出现在最终结果中。
• 如果一个 code 对应的多个 smth 值在 df2 中有相同的最小 rank，那么只会保留第一个出现的行。

总结

本文提供了一个使用 Pandas 解决分组最小值索引提取问题的有效方法。通过建立映射关系、分组和索引提取，我们可以方便地从 DataFrame 中筛选出满足特定条件的行。这个方法在数据分析和处理中非常实用，可以帮助我们快速地找到关键数据。

以上就是Pandas DataFrame 数据处理：基于分组的最小值索引提取的详细内容，更多请关注php中文网其它相关文章！