Pandas如何按分组筛选平均time值最低的algo对应记录

现有如下结构的DataFrame：

import pandas as pd
df = pd.DataFrame([
    (2, 2, 'A', .5),
    (2, 2, 'A', .6),
    (2, 2, 'B', .75),
    (2, 2, 'B', .7),
    (2, 2, 'C', .6),
    (2, 3, 'A', .65),
    (2, 3, 'A', .6),
    (2, 3, 'B', .75),
    (2, 3, 'B', .7),
    (2, 3, 'C', .6)
], columns=['out_size', 'problem_size', 'algo', 'time'])

需要实现的逻辑：

• 按out_size、problem_size划分数据组，每组内计算不同algo对应的time平均值
• 每组仅保留平均time最低的algo对应的聚合结果
  预期输出为：

pd.DataFrame(
      [[2, 2, 'A', 0.55],
       [2, 3, 'C', 0.6]], columns=['out_size', 'problem_size', 'algo', 'time'])

直接通过两次分组计算即可得到结果，无额外依赖：

# 先聚合计算每个维度+算法组合的平均耗时
mean_df = df.groupby(['out_size', 'problem_size', 'algo'], as_index=False)['time'].mean()
# 每个维度组筛选平均耗时最小的算法记录
res = mean_df.loc[mean_df.groupby(['out_size', 'problem_size'])['time'].idxmin()].reset_index(drop=True)

执行后res的输出和预期完全一致：

out_size  problem_size algo  time
0         2             2    A  0.55
1         2             3    C  0.60

如果需要保留原始的明细行而非聚合后的平均值，可以先拿到每个(out_size, problem_size)对应的最优algo映射，再和原表做等值匹配筛选即可。

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