在Pandas中按Plant、Material组获取最小scale_qty对应的quota

方法1：利用idxmin获取索引后映射 #

先通过分组找到每组中scale_qty最小的行的索引，再提取对应quota值并映射到原DataFrame：

# 获取每组scale_qty最小的行的索引
min_scale_idx = df.groupby(['plant', 'material'])['scale_qty'].idxmin()
# 构建plant+material到对应quota的映射表
quota_map = df.loc[min_scale_idx].set_index(['plant', 'material'])['quota']
# 匹配到原表生成新列
df['min_scale_quota'] = df.set_index(['plant', 'material']).index.map(quota_map)
# 恢复原索引（可选）
df = df.reset_index(drop=True)

方法2：排序后分组取首行 #

先按分组字段和scale_qty升序排序，取每组第一行的quota再合并回原表：

# 排序后分组提取最小scale_qty对应的quota
min_quota_df = df.sort_values(['plant', 'material', 'scale_qty'])\
                  .groupby(['plant', 'material'])\
                  .first()[['quota']]\
                  .rename(columns={'quota': 'min_scale_quota'})
# 合并回原DataFrame
df = df.merge(min_quota_df, on=['plant', 'material'], how='left')

方法3：transform结合自定义逻辑 #

适合小数据集，直接在分组内定位最小scale_qty对应的quota：

df['min_scale_quota'] = df.groupby(['plant', 'material']).apply(
    lambda x: x['quota'][x['scale_qty'] == x['scale_qty'].min()].iloc[0]
).reset_index(level=[0,1], drop=True)

注意事项 #

• 若每组存在多个相同的最小scale_qty，上述方法默认取第一个出现的quota；如需处理这种场景，可修改逻辑，比如将iloc[0]替换为mean()（取均值）或','.join()（拼接所有值）。
• 大数据集优先选用方法1或2，执行效率更高。

内容的提问来源于stack exchange，提问作者Notme2104