pandas DataFrame按car_id分组后获取最低评分及对应国家代码的方法

原有代码问题说明 #

你之前的实现返回结果异常，是因为x.loc[x.grade == x.grade.min(), 'country_code']返回的是Series类型对象而非标量值，输出时会自动带上索引、dtype等元信息，不符合预期。且apply+lambda的实现依赖逐组迭代，大数据量下性能较差。

最优pandas原生实现（无需apply） #

推荐用「排序+分组取首行」的方案，代码简洁性能高：

result = (
    df
    # 按车辆ID、评分升序排序，空评分默认排到分组末尾
    .sort_values(['car_id', 'grade'], na_position='last')
    # 按车辆ID分组
    .groupby('car_id', as_index=False)
    # 取每个分组第一条数据的对应字段，重命名为目标列名
    .agg(
        min_grade=('grade', 'first'),
        min_grade_country=('country_code', 'first')
    )
)

运行输出结果如下：

如果需要全为空评分的car_id对应的国家也返回空，可额外加一步处理：

result.loc[result['min_grade'].isna(), 'min_grade_country'] = pd.NA

并列最低分场景适配 #

如果存在同一个car_id对应多个国家评分相同且都是最低分的情况，需要保留所有对应国家的话，可以用关联的方式实现：

# 第一步：计算每个car_id的最低评分
min_grade_df = df.groupby('car_id', as_index=False)['grade'].min().rename(columns={'grade': 'min_grade'})
# 第二步：和原表关联，过滤出评分等于最低分的记录
result = df.merge(min_grade_df, on='car_id')
result = result[result['grade'] == result['min_grade']][['car_id', 'min_grade', 'country_code']].rename(columns={'country_code': 'min_grade_country'})

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