如何在DataFrame中提取每个类别对应的最低分数记录？

嘿，我来帮你搞定这个需求！针对你给出的DataFrame，要提取每个Name分组下Score最小的那条记录（包含ID、Name、Score），这里有两种实用的pandas实现方案，都能完美得到你想要的结果：

方法一：用groupby + idxmin()精准定位 #

这个方法的思路是先找到每个分组里Score最小的行的索引，再用这些索引去原DataFrame里捞对应行，步骤清晰精准：

import pandas as pd

# 先构造你的示例DataFrame
data = {
    'ID': [1,2,3,4,5,6,7],
    'Name': ['A','A','B','B','C','C','C'],
    'Score': [15.1,20.5,15.2,8.2,43.2,12.1,18.0],
    'Age': [21,12,18,22,12,15,22]
}
df = pd.DataFrame(data)

# 找出每个Name分组中Score最小的行的索引
min_score_row_indexes = df.groupby('Name')['Score'].idxmin()

# 根据索引提取对应行，再筛选出你需要的ID、Name、Score列
final_result = df.loc[min_score_row_indexes, ['ID', 'Name', 'Score']].reset_index(drop=True)

print(final_result)

运行这段代码后，输出就是你想要的格式：

ID Name  Score
0   1    A   15.1
1   4    B    8.2
2   6    C   12.1

方法二：排序后去重（更直观易懂） #

如果你更喜欢直观的操作逻辑，可以先给DataFrame排序，再去掉重复的Name项，只保留每个组的第一条（也就是Score最小的那条）：

# 先按Name分组，再对每个组内的Score升序排序，然后保留每个Name的第一条记录
final_result = df.sort_values(['Name', 'Score']) \
                 .drop_duplicates(subset='Name', keep='first') \
                 [['ID', 'Name', 'Score']] \
                 .reset_index(drop=True)

print(final_result)

这个方法和第一种结果完全一致，适合刚接触pandas的朋友理解。

小提醒 #

• 如果某个Name分组里有多个相同的最低Score，这两种方法都会保留第一个出现的那条记录；要是你想保留所有最低Score的记录，把drop_duplicates里的keep='first'改成keep=False，或者用布尔索引筛选就行。
• 最后加个reset_index(drop=True)是为了把结果的索引重置成从0开始的连续数字，看起来更整洁。

内容的提问来源于stack exchange，提问作者R Sem