在`pd.DataFrame`

如何解决在`pd.DataFrame`

鉴于一个pd.DataFrame在不同的组中包含不同的时间序列，我想在所有行上创建一个掩码，该掩码指示每个group指向time指向{{1}的最小值}就value type而言：

例如，给定0：

pd.DataFrame

在>>> df group type time value 0 A 0 0 4 1 A 0 1 5 2 A 1 0 6 3 A 1 1 7 4 B 0 0 11 5 B 0 1 10 6 B 1 0 9 7 B 1 1 8 group中，A type的最小值在0点time处达到。对于0 group，在B点type达到了0 time的最小值。因此，结果列应如下所示：

1

我创建了一个看起来很麻烦的版本，首先找出最小位置，然后构造最后一列：

      is_min
0     True
1     False
2     True
3     False
4     False
5     True
6     False
7     True

解决方法

IIUC，您可以尝试使用groupby + apply和min

df['is_min']= df.groupby(['group','type'])['value']
                .apply(lambda x: x==x.min())

---

与此类似，transform + min获得最小值，eq创建所需的蒙版：

df['is_min']= df.groupby(['group','type'])['value']
                .transform('min').eq(df['value'])

---

输出：

df
  group  type  time  value  is_min
0     A     0     0      4    True
1     A     0     1      5   False
2     A     1     0      6    True
3     A     1     1      7   False
4     B     0     0     11   False
5     B     0     1     10    True
6     B     1     0      9   False
7     B     1     1      8    True

,

您可以使用排除的merge删除行。 sort个值，仅包含"type==0"和drop_duplicates的子集，以获取每个组中需要排除的时间。然后与指标合并以排除。

m = (df.sort_values('value').query('type == 0').drop_duplicates('group')
       .drop(columns=['type','value']))
#  group  time
#0     A     0
#5     B     1

df = (df.merge(m,how='outer',indicator=True).query('_merge == "left_only"')
        .drop(columns='_merge'))

  group  type  time  value
2     A     0     1      5
3     A     1     1      7
4     B     0     0     11
5     B     1     0      9

---

如果您分别需要遮罩并且不想自动query来对行进行子集化，请map指示器

df = df.merge(m,indicator='is_min')
df['is_min'] = df['is_min'].map({'left_only': False,'both': True})

  group  type  time  value is_min
0     A     0     0      4   True
1     A     1     0      6   True
2     A     0     1      5  False
3     A     1     1      7  False
4     B     0     0     11  False
5     B     1     0      9  False
6     B     0     1     10   True
7     B     1     1      8   True