如何使用groupby()比较两列数据获取分组后的最小值？

首先需要处理数据格式：原数据中小数用逗号分隔，pandas无法直接识别为数值类型，第一步要替换逗号为点并转换类型。

场景1：获取每组中两列数值最小的完整行 #

如果需要保留每组里两列中最小值对应的整行数据（比如Ambulance_ID、Hospital_ID等），可以按以下步骤操作：

import pandas as pd

# 加载示例数据
df = pd.DataFrame({
    'Ambulance_ID': [37,39,6,42,37],
    'Centroid_ID': [1,2,3,4,5],
    'Hospital_ID': [6,13,6,12,14],
    'Regular_Ambu_TT': ['1,871884861','1,599971112','1,307165278','1,411554445','1,968138334'],
    'MSU_TT': ['0,459994444','0,372125','0,080163889','0,285008333','0,424172222']
})

# 预处理：替换逗号为小数点，转换为浮点型
df['Regular_Ambu_TT'] = df['Regular_Ambu_TT'].str.replace(',', '.').astype(float)
df['MSU_TT'] = df['MSU_TT'].str.replace(',', '.').astype(float)

# 新增临时列，存储每行两列的最小值
df['min_TT'] = df[['Regular_Ambu_TT', 'MSU_TT']].min(axis=1)

# 按Centroid_ID分组，找到每组min_TT最小的行索引，提取对应行
Test_TT = df.loc[df.groupby('Centroid_ID')['min_TT'].idxmin()]

# 可选：删除临时列
Test_TT = Test_TT.drop('min_TT', axis=1)
print(Test_TT)

输出会保留每组中两列数值最小的那一行所有数据，比如Centroid_ID=3的行中MSU_TT最小，就会保留该行。

场景2：分别获取每组两列各自的最小值 #

如果只需要每组中Regular_Ambu_TT和MSU_TT的最小值，不需要其他列数据，可以直接分组后对两列取min：

# 同样先做数据预处理（替换逗号+转类型）
df['Regular_Ambu_TT'] = df['Regular_Ambu_TT'].str.replace(',', '.').astype(float)
df['MSU_TT'] = df['MSU_TT'].str.replace(',', '.').astype(float)

# 分组后计算两列的最小值
Test_TT = df.groupby('Centroid_ID')[['Regular_Ambu_TT', 'MSU_TT']].min().reset_index()
print(Test_TT)

输出会是一个包含Centroid_ID、Regular_Ambu_TT最小值、MSU_TT最小值的DataFrame。

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