如何按条件分组求最小值并实时更新多列最优速度变量？

我们有一份记录不同受试者参与不同距离赛事的数据集，已计算出每公里跑步速度（speed_per_km，数值越小代表速度越快），需要实现以下目标：

• 创建多个距离对应的最优速度变量：best_run_speed_1000、best_run_speed_1200、best_run_speed_1650、best_run_speed_1800、best_run_speed_2200、best_run_speed_1400、best_run_speed_1600、best_run_speed_2000、best_run_speed_2400，每次赛后更新这些变量（当前速度更小则更新，否则保留之前的最优值）。
• 维护两个全局最优变量：best_run_speed（当前最小的每公里速度）和best_run_distance（对应best_run_speed的赛事距离）。
• 数据需按racedate排序、按subject_id分组处理，最终受试者C第二次赛后的best_run_distance应为1400m。

现有尝试代码 #

df["best_distance_1200"]= df.sort_values(["raceid"], ascending= True).groupby(["horseid"],)["run_speed_per_km"].transform('min').eq(df.run_speed_per_km) & df["distance-1"].eq("1200")

样本数据 #

data = {
    'racedate':['1/1/2024', '2/1/2024', '5/1/2024', '8/1/2024', '4/1/2024', '9/1/2024'], 
    'subject_id': ['A', 'A', 'B', 'B', 'C', 'C'],
    'race_distance': [1000, 1200, 1650, 1800, 1400, 1600],
    'race_time': [5, 6, 8, 9, 7, 7.5] 
}

解决方案 #

步骤1：数据预处理与速度计算 #

先将日期转为标准格式，按受试者分组并按比赛日期排序，同时计算每公里耗时（即speed_per_km）：

import pandas as pd

# 加载数据并预处理
df = pd.DataFrame(data)
df['racedate'] = pd.to_datetime(df['racedate'], format='%d/%m/%Y')
# 计算每公里耗时：总时间 / 公里数
df['speed_per_km'] = df['race_time'] / (df['race_distance'] / 1000)
# 按受试者分组、比赛日期排序
df = df.sort_values(['subject_id', 'racedate']).reset_index(drop=True)

步骤2：初始化各距离最优速度列 #

创建所有需要的最优速度列，初始值设为无穷大：

distance_list = [1000, 1200, 1400, 1600, 1650, 1800, 2000, 2200, 2400]
for dist in distance_list:
    df[f'best_run_speed_{dist}'] = float('inf')

步骤3：逐组更新最优速度 #

按subject_id分组，逐行更新各距离的最优速度，以及全局最优变量：

def update_best_speeds(group):
    # 初始化全局最优列
    group['best_run_speed'] = float('inf')
    group['best_run_distance'] = None
    
    for idx in range(len(group)):
        current_dist = group.iloc[idx]['race_distance']
        current_speed = group.iloc[idx]['speed_per_km']
        
        # 更新当前距离的最优速度
        if current_speed < group.iloc[idx][f'best_run_speed_{current_dist}']:
            group.loc[idx, f'best_run_speed_{current_dist}'] = current_speed
        # 继承前一行的其他距离最优值
        if idx > 0:
            for dist in distance_list:
                if dist != current_dist:
                    group.loc[idx, f'best_run_speed_{dist}'] = group.iloc[idx-1][f'best_run_speed_{dist}']
        
        # 更新全局最优速度与对应距离
        current_best_speed = min(group.iloc[idx][[f'best_run_speed_{d}' for d in distance_list]])
        group.loc[idx, 'best_run_speed'] = current_best_speed
        # 取第一个达到最优速度的距离
        best_dist = [d for d in distance_list if group.iloc[idx][f'best_run_speed_{d}'] == current_best_speed][0]
        group.loc[idx, 'best_run_distance'] = best_dist
    
    return group

# 应用分组处理逻辑
df = df.groupby('subject_id', group_keys=False).apply(update_best_speeds)

验证结果 #

查看受试者C的处理结果：

print(df[df['subject_id'] == 'C'])

输出中C的第二次赛后best_run_distance为1400m，符合预期。

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