如何查询Pandas DataFrame中平均用时最短的省份

嘿，这个需求很实用，用pandas几步就能搞定！我给你梳理几种常用的方法，你可以根据自己的DataFrame情况选：

基础场景：时间列是可直接比较的数值类型 #

假设你的DataFrame名为df，省份列叫省份，平均完赛时间列叫平均完赛时间（如果你的列名不一样，替换成实际名称就行）：

方法1：用idxmin()快速定位（推荐） #

idxmin()会返回平均完赛时间列最小值对应的行索引，再通过loc提取对应的省份名称：

fastest_province = df.loc[df['平均完赛时间'].idxmin(), '省份']
print(f"平均用时最短的省份：{fastest_province}")

方法2：先排序再取首行 #

如果需要同时查看排序后的完整数据，可以先按时间升序排序，再取第一行的省份：

# 按平均完赛时间升序排序
sorted_df = df.sort_values(by='平均完赛时间', ascending=True)
# 提取第一行的省份
fastest_province = sorted_df.iloc[0]['省份']

特殊场景：存在多个省份时间相同的情况 #

如果有多个省份的平均完赛时间并列最短，上面的方法只会返回第一个。要找出所有符合条件的省份，可以这么做：

# 先获取最短的时间值
min_time = df['平均完赛时间'].min()
# 筛选出所有时间等于最短值的省份，转成列表
fastest_provinces = df[df['平均完赛时间'] == min_time]['省份'].tolist()
print(f"平均用时最短的省份有：{', '.join(fastest_provinces)}")

注意：时间列是字符串格式的情况 #

如果你的平均完赛时间列是类似"1:25:30"这样的字符串，需要先转换成可比较的数值（比如总秒数）：

import pandas as pd

# 将时间字符串转换为时间差，再提取总秒数
df['完赛时间_总秒数'] = pd.to_timedelta(df['平均完赛时间']).dt.total_seconds()
# 再用之前的方法找最短时间对应的省份
fastest_province = df.loc[df['完赛时间_总秒数'].idxmin(), '省份']

内容的提问来源于stack exchange，提问作者Tom Walsh