如何在DataFrame中对action=1的指定列替换为按Feature分组的最小值？

这个需求我帮你拆解一下：我们要找到action等于1的所有行，然后把这些行里的Value、Value Scaled、Zscore这三列的值，替换成它们所属Feature分组下对应列的最小值。下面给你两种实用的实现方式：

方法一：分组计算最小值 + 映射替换 #

先提前算出每个Feature分组下目标列的最小值，再通过映射把对应的值替换到指定行：

# 第一步：计算每个Feature分组下目标列的最小值
group_min = df.groupby('Feature')[['Value', 'Value Scaled', 'Zscore']].min()

# 第二步：循环处理每个目标列，替换action=1的行
target_cols = ['Value', 'Value Scaled', 'Zscore']
for col in target_cols:
    # 用map根据Feature匹配对应的分组最小值，赋值给action=1的行
    df.loc[df['action'] == 1, col] = df.loc[df['action'] == 1, 'Feature'].map(group_min[col])

这种方法逻辑清晰，适合刚接触Pandas的朋友理解，每一步都很直观。

方法二：用transform生成全量最小值列 + 批量替换 #

如果想更简洁，可以用transform直接生成每行对应的分组最小值，再批量替换：

target_cols = ['Value', 'Value Scaled', 'Zscore']
# 生成每行对应的分组最小值（和原DataFrame行数一致）
min_per_row = df.groupby('Feature')[target_cols].transform('min')

# 直接把action=1的行的目标列替换成对应的分组最小值
df.loc[df['action'] == 1, target_cols] = min_per_row.loc[df['action'] == 1]

transform会自动把分组后的结果广播到原DataFrame的每一行，这样就不用手动循环映射了，代码更简洁高效。

两种方法都能实现需求，你可以根据自己的习惯选择～

内容的提问来源于stack exchange，提问作者kspr