如何在Pandas中按分组内最小值排序并生成组索引？

可以用Pandas的组合操作高效完成需求，步骤清晰且性能最优：

1. 计算分组最小值：先通过groupby获取每个Col分组对应的Val最小值，生成关联映射
2. 按分组最小值排序：将原DataFrame与分组最小值关联，以此为键对整个DataFrame排序
3. 生成分组索引：对排序后的Col列做因子化，得到连续的分组索引Idx

具体代码 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Col': ['a.', 'a.', 'c.', 'c.', 'd.', 'd.'],
    'Val': [8, 9, 4, 0, 3, 9]
})

# 步骤1：计算每个Col的Val最小值
group_min = df.groupby('Col')['Val'].min()

# 步骤2：关联最小值并按其排序
df_sorted = df.merge(group_min.rename('Val_min'), on='Col').sort_values('Val_min')

# 步骤3：生成分组索引Idx
df_sorted['Idx'] = pd.factorize(df_sorted['Col'])[0]

# 移除临时列Val_min，得到最终结果
df_new = df_sorted.drop('Val_min', axis=1)[['Col', 'Val', 'Idx']]

print(df_new)

代码解释 #

• groupby('Col')['Val'].min()：快速计算每个分组的最小值，返回以Col为索引的Series
• merge(..., on='Col')：将每行对应的分组最小值关联到原数据，方便后续排序
• sort_values('Val_min')：按分组最小值对整个DataFrame排序，保证分组顺序符合要求
• pd.factorize(df_sorted['Col'])[0]：对排序后的分组列进行因子化，自动生成从0开始的连续索引，同一个分组对应同一个Idx值

更简洁的链式写法 #

如果喜欢紧凑代码，可以合并为链式调用：

df_new = (df
          .merge(df.groupby('Col')['Val'].min().rename('Val_min'), on='Col')
          .sort_values('Val_min')
          .assign(Idx=lambda x: pd.factorize(x['Col'])[0])
          .drop('Val_min', axis=1)
          [['Col', 'Val', 'Idx']])

这种方法利用Pandas向量化操作，避免循环，大数据量下性能优异，是最优实现方式之一。

内容的提问来源于stack exchange，提问作者Cranjis