如何在Pandas中获取每组按字母排序后的首个值？

问题背景 #

现有DataFrame如下：

import pandas as pd
df = pd.DataFrame({
    'A': ['foo', 'foo', 'bar', 'bar', 'bar'],
    'B': ['A', 'C', 'F', 'B', 'D']
})

需求是对A列的每组，获取B列按字母顺序排列后的首个值，并将该值填充到组内所有行的B列。

尝试使用以下代码：

df['B'] = df.groupby('A')['B'].transform('first')

得到的结果不符合预期：

A   B
0   foo A
1   foo A
2   bar F
3   bar F
4   bar F

期望结果为：

A   B
0   foo A
1   foo A
2   bar B
3   bar B
4   bar B

原因分析 #

groupby.transform('first')取的是每组在原DataFrame中出现的第一个值，而非排序后的首个值。比如bar组原数据中B列第一个值是F，所以得到的结果不是字母顺序最小的B。

解决方法 #

方法1：使用min函数（最简洁） #

字符串的min()会返回字典序最小的值，刚好对应字母顺序的首个值，直接通过分组transform调用即可：

df['B'] = df.groupby('A')['B'].transform('min')

方法2：先排序再分组取首值 #

先按A列分组、B列排序，再提取每组的首个值，最后映射回原DataFrame：

# 先按A和B排序，确保每组内B列按字母顺序排列
sorted_df = df.sort_values(by=['A', 'B'])
# 提取每组的首个B值
group_first = sorted_df.groupby('A')['B'].first()
# 将值映射回原DataFrame
df['B'] = df['A'].map(group_first)

方法3：lambda自定义排序取首 #

通过lambda函数对每组的B列排序后取第一个元素：

df['B'] = df.groupby('A')['B'].transform(lambda x: x.sort_values().iloc[0])

以上三种方法都能得到符合预期的结果，其中方法1最为简洁高效。

内容的提问来源于stack exchange，提问作者TYWu