Pandas按指定列分组后按其他列规则筛选取值的更优实现方法

场景1：当前问题最优实现 #

两种简洁写法返回结果均为以date为单级索引的Series，可直接与dayMin拼接使用：

写法1：idxmin直接定位行（性能更高，适合大数据量） #

idxmin会返回每组time最小值对应的行索引，直接提取对应value即可：

# 简化写法，直接在apply中返回标量值
dayOpen = df.groupby('date').apply(lambda g: g.loc[g['time'].idxmin(), 'value'])

写法2：排序后取首行（更直观，适合通用排序场景） #

先按分组列+排序列升序排列，分组后取每组第一个元素的value：

dayOpen = df.sort_values(['date', 'time']).groupby('date')['value'].first()

如果需要取time最大对应的value，仅需调整排序规则即可：

dayClose = df.sort_values(['date', 'time'], ascending=[True, False]).groupby('date')['value'].first()

场景2：通用需求适配模板 #

针对你提到的按A列分组、对B列执行过滤或排序操作、提取对应C列取值的通用场景，可直接使用以下模板实现，避免生成多余索引：

result = df.groupby('A列名').apply(lambda group:
    # 此处编写单个分组的自定义逻辑，最终返回单值即可
    group[group['B列名'] > 自定义阈值]['C列名'].mean()  # 过滤后聚合示例
    # 或排序后取指定位置值：group.sort_values('B列名')['C列名'].iloc[目标位置下标]
)

原代码问题说明 #

你之前的实现返回多余索引，是因为lambda函数返回了筛选后的子DataFrame，groupby.apply会自动将组索引和原表行索引拼接为多级索引。仅需让lambda函数最终返回单个值（如加.iloc[0]提取单个value），即可避免该问题：

# 原代码修改后即可正常使用
dayOpen = df.groupby('date').apply(lambda df: df[ df.time == df.time.min() ]['value'].iloc[0])

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