如何快速重构DataFrame：保留每个唯一ID对应最小col_5值的行？

你的循环方案效率低是因为逐组遍历+多次数据切片/索引操作，Pandas的矢量化分组操作能大幅提升速度，以下两种方法都能高效处理62万行数据：

方法一：groupby + idxmin #

利用groupby分组后，通过idxmin直接获取每个ID组中col_5最小值对应的行索引，再筛选数据：

# 获取每个col_1分组中col_5最小值的行索引
min_row_indices = data.groupby('col_1')['col_5'].idxmin()
# 提取目标行
cleaned_data = data.loc[min_row_indices]

方法二：排序去重 #

先按ID分组、col_5升序排序，再保留每个ID的第一行（即col_5最小的行）：

# 按col_1分组，col_5升序排序，然后去重保留每个ID的首行
cleaned_data = data.sort_values(by=['col_1', 'col_5']).drop_duplicates(subset='col_1', keep='first')

这两种方法都是Pandas原生的矢量化操作，避免了循环中的重复数据查询，处理62万行数据的速度会比你的循环方案快几十到上百倍，完全能满足效率需求。如果同一ID下有多个行的col_5为最小值，两种方法都会保留第一个出现的行，符合你的需求。

内容的提问来源于stack exchange，提问作者dzdws