按A列分组选行：基于C列最小值+10规则筛选数据

先理清楚需求核心：我们需要按日期（从B列提取日期部分）分组，每组内优先筛选C列等于「该组C最小值+10」的行；如果没有匹配值，就找大于这个目标值的最小C对应的行。

原始数据集 #

先把给定的数据整理成清晰的表格：

实现思路 #

1. 数据预处理：把B列转换成日期时间类型，方便提取纯日期作为分组依据。
2. 分组筛选逻辑：对每个日期组执行两步判断：
   • 先计算组内C的最小值，得到目标值min_c + 10，筛选C等于该值的行，存在则直接返回。
   • 若没有匹配行，筛选出C大于目标值的所有行，按C升序排序后取第一行（也就是大于目标值的最小C对应的行）。

代码实现（Python Pandas） #

import pandas as pd

# 构造原始数据集
data = {
    'A': [0,1,2,3,4,5,6,7],
    'B': ['2002-01-13 15:00:00', '2002-01-13 15:30:00', '2002-01-13 16:00:00', '2002-01-13 16:30:00',
          '2002-01-14 15:00:00', '2002-01-14 15:30:00', '2002-01-14 16:00:00', '2002-01-14 16:30:00'],
    'C': [120,110,130,140,180,165,150,170]
}
df = pd.DataFrame(data)

# 转换B列为datetime类型，提取日期作为分组键
df['B'] = pd.to_datetime(df['B'])
df['group_key'] = df['B'].dt.date

# 定义分组筛选函数
def pick_target_row(group):
    min_c = group['C'].min()
    target_value = min_c + 10
    
    # 优先匹配等于目标值的行
    match_rows = group[group['C'] == target_value]
    if not match_rows.empty:
        return match_rows.iloc[0]
    
    # 无匹配时，找大于目标值的最小C对应的行
    filtered_rows = group[group['C'] > target_value]
    return filtered_rows.sort_values('C').iloc[0]

# 应用分组筛选并整理结果
result = df.groupby('group_key').apply(pick_target_row).reset_index(drop=True)
result = result[['A', 'B', 'C']]

# 打印结果
print(result)

执行结果 #

运行代码后会得到预期输出：

A                   B    C
0  0 2002-01-13 15:00:00  120
1  5 2002-01-14 15:30:00  165

逻辑验证 #

• 第一组（2002-01-13）：C列最小值为110，目标值120，刚好存在C=120的行（A=0），直接选中。
• 第二组（2002-01-14）：C列最小值为150，目标值160，组内无匹配值；大于160的C值有165、170、180，最小的是165，对应A=5的行，因此选中该行。

内容的提问来源于stack exchange，提问作者Tie_24