如何用Pandas groupby transform获取分组后Rank大于0的最小值？

现有如下结构的Pandas DataFrame：

Race_ID   Date           Student_ID      Rank  
1         1/1/2023       1               3     
1         1/1/2023       2               8     
1         1/1/2023       3               0     
1         1/1/2023       4               4     
2         11/9/2022      1               2     
2         11/9/2022      2               3     
2         11/9/2022      3               9     
3         17/4/2022      5               0     
3         17/4/2022      2               1     
3         17/4/2022      3               2     
3         17/4/2022      4               5     
4         1/3/2022       1               6     
4         1/3/2022       2               2     
5         1/1/2021       1               0     
5         1/1/2021       2               3     
5         1/1/2021       3               1     

需要新增一列min>0，该列的值为按Race_ID分组后，Rank字段中大于0的最小值，预期结果如下：

Race_ID   Date           Student_ID      Rank  min>0  
1         1/1/2023       1               3     3
1         1/1/2023       2               8     3
1         1/1/2023       3               0     3
1         1/1/2023       4               4     3
2         11/9/2022      1               2     2
2         11/9/2022      2               3     2
2         11/9/2022      3               9     2
3         17/4/2022      5               0     1
3         17/4/2022      2               1     1
3         17/4/2022      3               2     1
3         17/4/2022      4               5     1
4         1/3/2022       1               6     2
4         1/3/2022       2               2     2
5         1/1/2021       1               0     1
5         1/1/2021       2               3     1
5         1/1/2021       3               1     1

已知groupby和transform('min')的用法，但不清楚如何添加“Rank大于0”的筛选条件。

提供几种实用的实现方式：

方法1：groupby+apply自定义筛选逻辑 #

通过apply对每个分组的Rank列筛选出大于0的值，再取最小值：

df['min>0'] = df.groupby('Race_ID')['Rank'].apply(lambda x: x[x > 0].min())

方法2：替换0为NaN后使用transform('min') #

利用min()计算自动忽略NaN的特性，先将Rank中的0替换为NaN，再分组取最小值：

df['min>0'] = df['Rank'].mask(df['Rank'] == 0).groupby(df['Race_ID']).transform('min')

也可以用replace实现替换：

df['min>0'] = df['Rank'].replace(0, float('nan')).groupby(df['Race_ID']).transform('min')

方法3：groupby+transform结合自定义函数 #

把筛选和取最小值的逻辑封装成函数，传给transform：

def min_positive(x):
    return x[x > 0].min()

df['min>0'] = df.groupby('Race_ID')['Rank'].transform(min_positive)

以上方法都能得到预期结果，其中方法2的性能更优，适合处理大数据量场景。

内容的提问来源于stack exchange，提问作者Ishigami