Pandas按timestamp分组取最小distance时如何保留对应name列

你要的需求可以通过groupby().idxmin()一步实现，不需要额外做关联，70万行数据可以秒级处理，完全不会有性能问题。

实现逻辑 #

idxmin()会返回每个分组里distance列最小值对应的原DataFrame行索引，直接用这个索引从原表取对应行的字段即可，不会产生额外的关联开销。

示例代码 #

# 按timestamp分组，取每个分组中distance最小的行的索引
min_idx = df1.groupby('timestamp')['distance'].idxmin()
# 根据索引取对应行的指定字段，得到最终结果
result = df1.loc[min_idx, ['timestamp', 'name', 'distance']].reset_index(drop=True)

注意事项 #

• 如果同一个timestamp下存在多行完全相同的最小distance，idxmin()只会返回第一行的索引，符合你要求的timestamp唯一的需求
• 该方法的时间复杂度为O(n)，远低于merge操作的复杂度，70万行数据内存占用极低

原有方案的性能问题原因 #

你之前用聚合结果和原表merge的方案，需要做两次大表的字段匹配，若存在同分组下多个相同最小distance的行，还会产生冗余数据导致timestamp重复，同时内存开销会翻倍，自然会出现性能不足的问题。

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