如何在筛选TO_ID时获取最小值对应的整行含列名数据？

以下几种方法可以直接实现你想要的效果：

方法1：通过索引定位目标行 #

先筛选出TO_ID等于7的子数据集，再找到DURATION_H列最小值对应的行索引，最后通过索引提取整行：

# 筛选TO_ID=7的行
df_temp = df_A2C.loc[df_A2C['TO_ID'] == 7]
# 获取最小值对应的行索引
min_row_index = df_temp['DURATION_H'].idxmin()
# 取出整行（Series格式）
min_row = df_temp.loc[min_row_index]
print(min_row)

# 若要保留DataFrame格式（带列名的表格形式）
min_row_df = df_temp.loc[[min_row_index]]
print(min_row_df)

方法2：链式条件筛选一步完成 #

直接通过组合条件筛选出符合要求的行，无需中间变量：

# 先计算TO_ID=7时DURATION_H的最小值，再筛选对应行
min_value = df_A2C.loc[df_A2C['TO_ID'] == 7, 'DURATION_H'].min()
min_row = df_A2C.loc[(df_A2C['TO_ID'] == 7) & (df_A2C['DURATION_H'] == min_value)]
print(min_row)

方法3：用nsmallest()快速取最小行 #

nsmallest()可以直接提取指定列最小的N行，这里取1行即可：

# 筛选TO_ID=7的行后，取DURATION_H最小的1行
min_row = df_A2C[df_A2C['TO_ID'] == 7].nsmallest(1, 'DURATION_H')
print(min_row)

这个方法返回的是标准DataFrame格式，自动保留所有列名，输出效果和你期望的一致。

内容的提问来源于stack exchange，提问作者user20184312