如何基于指定列分组用循环取另一列最小值行并合并为单个DataFrame？

你不需要手动提取行业唯一值写循环，用Pandas原生的分组方法即可高效完成需求，10万行数据、动态变化的30个行业都可以直接适配，运行效率远高于自定义循环。
核心实现代码如下：

# 生成布尔掩码：标记每行是否属于所在行业的Amount outstanding最小值行
min_row_mask = df['Amount outstanding'] == df.groupby('Industry')['Amount outstanding'].transform('min')
# 筛选行并重置索引得到结果表
Min_Value = df[min_row_mask].reset_index(drop=True)

上述代码的transform方法会把每个行业分组的最小值广播到组内所有行的位置，生成和原DataFrame长度一致的布尔数组，筛选后会自动保留同一行业下所有达到最小值的行，完全匹配你的需求。

如果你需要按你原本的循环思路实现，参考写法如下（性能低于上述原生方法，仅做参考）：

# 提取所有唯一行业
industry_list = df['Industry'].unique()
Min_Value = pd.DataFrame()
# 遍历每个行业筛选最小值行
for industry in industry_list:
    # 筛选当前行业的所有行
    industry_df = df[df['Industry'] == industry]
    # 取当前行业最小值
    industry_min = industry_df['Amount outstanding'].min()
    # 筛选当前行业最小值行
    min_rows = industry_df[industry_df['Amount outstanding'] == industry_min]
    # 合并到结果表
    Min_Value = pd.concat([Min_Value, min_rows], ignore_index=True)

两种方法在你给出的示例数据上运行，得到的Min_Value结果一致：

内容的提问来源于stack exchange，提问作者Sumit