DataFrame分组后按B值规则选行：最小值+10或次近低值

我来用Pandas实现你需要的分组选行逻辑，直接上可运行的代码：

import pandas as pd

# 构造你提供的示例数据
data = {
    'A': ['01:00:00', '01:00:00', '01:00:00', '01:00:00',
          '02:00:00', '02:00:00', '02:00:00', '02:00:00'],
    'B': [24, 17, 12, 18, 38, 35, 45, 49],
    'C': ['Andrew', 'Edd', 'Emma', 'Fred',
          'Andrew', 'Edd', 'Emma', 'Fred']
}
df = pd.DataFrame(data)

def pick_target_row(group):
    # 计算当前分组B列的最小值和目标值
    min_b = group['B'].min()
    target_val = min_b + 10
    
    # 优先匹配等于目标值的行
    matched_rows = group[group['B'] == target_val]
    if not matched_rows.empty:
        return matched_rows.iloc[0]
    # 没有匹配到的话，找小于目标值的最大B值对应的行
    else:
        filtered_group = group[group['B'] < target_val]
        max_valid_b = filtered_group['B'].max()
        return filtered_group[filtered_group['B'] == max_valid_b].iloc[0]

# 按A列分组应用逻辑，最后重置索引整理结果
final_result = df.groupby('A').apply(pick_target_row).reset_index(drop=True)
print(final_result)

代码逻辑拆解 #

• 先定义pick_target_row函数处理单个分组：
  1. 先算出当前分组B列的最小值，再得到我们要找的目标值最小值+10
  2. 先检查分组里有没有B值刚好等于目标值的行，有的话直接返回第一行（如果有多个相同值，这里默认取第一个，你可以根据需求调整）
  3. 如果没有匹配到目标值，就筛选出所有B值小于目标值的行，找到其中最大的B值，再返回对应的行
• 最后通过groupby('A').apply()把这个逻辑应用到每个分组，再重置索引得到干净的结果

运行结果 #

执行代码后会输出：

A   B     C
0 01:00:00  18   Fred
1 02:00:00  45   Emma

完全符合你给出的规则：01:00:00分组里12+10=22不存在，选小于22的最大B值18对应的Fred；02:00:00分组里35+10=45存在，直接选Emma的行。

内容的提问来源于stack exchange，提问作者Tie_24