如何在Pandas DataFrame中按id选pair最小值行且保留同pair所有数据？

假设我们有这样一个Pandas DataFrame：

print(df)
# 输出：
  tconst  title   bool  id  pair
0    t01   Blow   True   1     1
1    t02   Blow  False   1     4
2    t03   Fast   TRUE   2     2
3    t04   Fast  FALSE   2     2
4    t05  Storm   True   3     9

需求是：当id相同时，选取pair列最小值对应的行；如果同一id下pair值相同，则保留所有对应行，最终得到这样的结果：

tconst  title   bool  id  pair
0    t01   Blow   True   1     1
2    t03   Fast   TRUE   2     2
3    t04   Fast  FALSE   2     2
4    t05  Storm   True   3     9

直接用普通的groupby聚合方法会丢失数据，这里给你两种简单有效的实现方案：

方法一：用transform映射最小值后筛选 #

这种方法逻辑直观，容易理解：

1. 用transform方法计算每个id分组对应的pair最小值，得到一个和原DataFrame长度一致的Series
2. 筛选出原DataFrame中pair值等于对应分组最小值的行

代码示例：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'tconst': ['t01', 't02', 't03', 't04', 't05'],
    'title': ['Blow', 'Blow', 'Fast', 'Fast', 'Storm'],
    'bool': ['True', 'False', 'TRUE', 'FALSE', 'True'],
    'id': [1, 1, 2, 2, 3],
    'pair': [1, 4, 2, 2, 9]
})

# 计算每个id对应的最小pair值，生成映射列
min_pair_per_id = df.groupby('id')['pair'].transform('min')

# 筛选符合条件的行
result = df[df['pair'] == min_pair_per_id]

print(result)

方法二：用groupby的filter方法直接筛选 #

这种写法更简洁，直接在分组内完成筛选逻辑：

result = df.groupby('id').filter(lambda x: x['pair'] == x['pair'].min())

lambda函数会对每个id分组进行检查，保留所有pair值等于该分组最小值的行，效果和方法一完全一致。

为什么这两种方法不会丢数据？ #

普通的groupby().agg()或groupby().first()这类聚合方法会压缩分组结果，只保留单行数据；而我们用的transform和filter都是基于原DataFrame的行进行筛选，会完整保留所有符合条件的行和所有列的数据，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者Steven