Pandas DataFrame高效行筛选问询：双整数列组合取浮点列最小值

嗨，这个需求用pandas的内置方法就能高效解决，完全不用手动遍历组合（手动遍历在数据量大的时候效率极低）。我给你两种实用的高效方案，你可以根据自己的场景选择：

这个方法是最直接的：先按两个整数列（比如你的titi和tutu）分组，然后找到每组中目标浮点列（tete）最小值对应的行索引，最后用这些索引提取原数据即可。

示例代码：

import pandas as pd

# 假设你的数据集是df
df = pd.DataFrame({
    'toto': [0, 1, 2],
    'tata': ['a', 'b', 'c'],
    'titi': [18, 18, 18],
    'tutu': [600, 600, 600],
    'tete': [4.5, 10.1, 1.2]
})

# 按组合列分组，获取tete最小值的行索引
min_row_indices = df.groupby(['titi', 'tutu'])['tete'].idxmin()
# 根据索引筛选出目标行，重置索引让结果更整洁
result_df = df.loc[min_row_indices].reset_index(drop=True)

print(result_df)

输出结果会是tete值为1.2的那一行，完美符合你的需求。这个方法的优势是效率极高，idxmin()直接定位到最小值的位置，避免了不必要的数据复制，适合中等甚至大规模数据集。

如果你更习惯先排序再去重的逻辑，这个方法也很实用：先按组合列排序，再按目标浮点列升序排列，最后保留每组的第一行（也就是最小值所在的行）。

示例代码：

# 先按组合列排序，再按tete升序排序
sorted_df = df.sort_values(by=['titi', 'tutu', 'tete'], ascending=[True, True, True])
# 保留每组的第一行，即tete最小的行
result_df = sorted_df.drop_duplicates(subset=['titi', 'tutu'], keep='first').reset_index(drop=True)

print(result_df)

这个方法的好处是逻辑直观，如果你之后需要保持数据的排序状态，这个方案会更顺手。

小提醒 #

• 如果同一组合下tete有多个相同的最小值，两种方法默认都会保留第一个出现的那一行；若需调整保留规则，可以修改对应参数（比如drop_duplicates的keep参数）。
• 确保组合列（titi和tutu）的数据类型正确，不过即使是其他类型，这两个方法也能正常工作，只是你的需求里明确是整数列~

内容的提问来源于stack exchange，提问作者Stéphane