如何在DataFrame的重复值中筛选出单个最小值？

问题核心 #

当DataFrame的Fitness Value列存在重复的最小值时，现有筛选逻辑会返回所有匹配行，需求是仅返回其中任意一行（通常取第一个出现的），同时解决使用idxmin()时出现的KeyError问题。

现有代码问题分析 #

1. 代码1返回所有重复行

   WATT1 = WATTx.loc[WATTx['Fitness Value'].eq(df['Fitness Value'].min())]
   

   这段代码会筛选出所有Fitness Value等于最小值的行，因此返回所有重复项，符合语法逻辑但不符合需求。

2. 代码2触发KeyError的原因
   你实际执行的重置索引版本代码中，WATTx['Fitness Value'].idxmin()返回的是原始DataFrame中第一个最小值对应的索引值（示例中为13），但reset_index()后的DataFrame索引变为连续的RangeIndex（如0、1、2），此时用原始索引13去loc查找必然不存在，因此触发KeyError: 13。

解决方案 #

以下几种方法都可以实现仅返回单行最小值记录的需求：

方法1：筛选后取第一行

先筛选出所有最小值行，再用iloc[0]取结果的第一行（不受索引影响）：

# 先获取所有最小值行
min_rows = WATTx[WATTx['Fitness Value'] == WATTx['Fitness Value'].min()]
# 取第一行
single_min_row = min_rows.iloc[0]

方法2：使用nsmallest()直接取单行

nsmallest(n, col)方法可以直接返回指定列中最小的n行，设置n=1即可仅返回第一行最小值记录：

single_min_row = WATTx.nsmallest(1, 'Fitness Value')

这个方法最简洁，自动处理重复最小值场景，默认返回第一个出现的匹配行。

方法3：正确使用idxmin()

如果原始DataFrame的索引未被修改，直接用loc配合idxmin()即可获取第一个最小值对应的行：

single_min_row = WATTx.loc[WATTx['Fitness Value'].idxmin()]

注意：若之前执行过reset_index()，则不能再用原始索引值查找，此时优先用方法1或方法2。

示例验证 #

针对你的示例数据：

Fitness Value    MSU Locations    MSU Range
13       1.045426        {13, 38, 15}    2.213424
13       1.045426        {13, 38, 15}    2.213424
13       1.045426        {13, 38, 15}    2.213424

使用上述任意方法都会返回第一行（索引为13的记录），满足仅返回单行的需求。

内容的提问来源于stack exchange，提问作者user13373167