Python用pandas groupby按leadId查找DataFrame最小hoursSinceContacted整行

完全可以通过分组相关逻辑实现目标取数，但需要注意：仅靠基础GROUP BY聚合语句无法直接拿到对应完整行。这类语句执行后只能返回分组字段leadId、以及计算得到的最小hoursSinceContacted数值，无法可靠带出同组下匹配最小值对应的repId、Index等列信息——如果在宽松SQL模式下强行返回非聚合列，很容易出现取值随机的错误。

1. 窗口函数实现（现代SQL/分析引擎通用最优解） #

通过分区窗口函数给每个leadId下的行按hoursSinceContacted升序打排名，直接取排名第一的行即可完整保留所有字段，逻辑清晰且性能稳定。
该方案的优势包括：

• 能完整保留匹配行的所有原始字段
• 自定义同值场景的处理规则（取单条/保留全部）非常灵活
• 对大表的计算性能优于两次关联的回表方案
  写法如下：

SELECT *
FROM (
    SELECT
        *,
        -- 按leadId分区，对同组数据按接触时长从小到大排序，生成行号
        ROW_NUMBER() OVER (
            PARTITION BY leadId 
            ORDER BY hoursSinceContacted ASC
        ) AS row_rank
    FROM 你的目标数据表
) ranked_table
WHERE row_rank = 1

可选调整：如果同组下存在多个和最小值相等的行，需要全部保留时，可将ROW_NUMBER()替换为RANK()。

2. 聚合关联实现（适配老旧不支持窗口函数的SQL环境） #

先通过基础GROUP BY计算每个leadId对应的最小hours值，再和原表做等值关联回表拿到完整行，写法如下：

SELECT origin.*
FROM 你的目标数据表 origin
INNER JOIN (
    SELECT
        leadId,
        MIN(hoursSinceContacted) AS min_hours
    FROM 你的目标数据表
    GROUP BY leadId
) min_val
ON origin.leadId = min_val.leadId
AND origin.hoursSinceContacted = min_val.min_hours

注意：这种写法会返回同组下所有和最小hours值相等的行，如果仅需要单条记录，可额外增加关联排序去重规则。

3. Pandas数据处理场景实现 #

如果是用Python进行数据清洗处理，不需要写原生SQL，用内置分组逻辑即可快速实现：

# 先按leadId、接触时长升序排序，再按leadId分组取每组的第一行
result = df.sort_values(by=["leadId", "hoursSinceContacted"]).groupby("leadId", as_index=False).first()

内容的提问来源于stack exchange，提问作者Kaelan McGurk