Pandas：基于两列配对值查找指定列最小值并保留原DataFrame行顺序及对应列值的实现方法

你的问题核心在于：使用groupby.agg(min)时，Pandas会对每一列单独计算最小值，而不是提取Total_cost最小的那一行的所有原始列值，这就导致了ID_inter_start、ID_inter_end等列和最小成本行错位。

下面提供两种可靠的解决方案，都能保留目标行的所有原始列，同时保持这些行在原DataFrame中的出现顺序：

方法一：用transform筛选组内最小值行 #

这种方法通过计算每组的最小成本，再筛选出原DataFrame中成本等于组内最小值的行，逻辑直观且易于理解：

# 为每行添加对应组的最小成本值
df['group_min_cost'] = df.groupby(['NUTS_ID_from', 'NUTS_ID_to'])['Total_cost'].transform('min')

# 筛选出成本等于组内最小值的行，同时删除临时列
result_df = df[df['Total_cost'] == df['group_min_cost']].drop(columns=['group_min_cost'])

针对你提供的初始数据集片段，运行后会得到完全符合期望的输出：

方法二：用idxmin定位最小成本行的索引 #

这种方法先找到每组中Total_cost最小的行的索引，再通过索引提取原始行，最后按原DataFrame的索引顺序排序，保证输出顺序符合预期：

# 获取每个组中Total_cost最小的行的索引
min_row_indices = df.groupby(['NUTS_ID_from', 'NUTS_ID_to'])['Total_cost'].idxmin()

# 按原DataFrame的索引顺序提取行，保证输出顺序和原数据中选中行的出现顺序一致
result_df = df.loc[min_row_indices.sort_values()]

这个方法的优势是不需要创建临时列，直接通过索引定位目标行，效率更高，结果同样符合你的要求。

为什么之前的方法失效？ #

你之前使用的groupby.agg(min)会对每一列独立执行min操作：

• 对Total_cost列确实会取组内最小值
• 但对ID_inter_start、ID_inter_end这类字符串列，会取字典序最小的字符串，而不是对应最小成本行的原始值，这就导致了列值错位。

内容的提问来源于stack exchange，提问作者just_learning