删除熊猫分组后的行号列/应用[重复]

Question

我有这些数据（多个查询，每个查询有多个变量，每个变量有多个持续时间）：

进口熊猫作为pddf=pd.DataFrame（数据帧）({“查询”：[“q1”，“q1，“变体”：[“a”，“a”、“b”、“c”、“a”]，“持续时间”：[50、40、30、20、90]，})

我希望有一个数据帧，其中包含每个查询的最快持续时间，每个查询中的变量按持续时间排序。

这几乎奏效：

df.groupby（“查询”）.apply(lambda x:x.groupby（“变体”）.应用(λx:x.sort_values（“持续时间”）.head（1），include_groups=False）.sort_values（“持续时间”），include_groups=假）

但我想删除标记的行号列。我还想知道是否有更好的方法来获得这个结果。

Answer 1

不使用嵌套子句，这是非常低效的，排序值和删除副本（_D）:

out=（df.sort_values（by=[“查询”，“持续时间”，“变量”]）.drop_duplicates（['query'，'variant']，ignore_index=True）)

输出：

查询变量持续时间0问题1 c 201问题1 b 302问题1 a 403问题2 a 90

或者，如果行的最终顺序无关紧要，分组.idxmin:

out=df.loc[df.groupby（['query'，'variant']）['duration'].idxmin（）]

输出：

查询变量持续时间1问题1 a 402季度1 b 303问题1 c 204问题2 a 90

为了完整起见，您需要添加一个水位下降您的方法：

df.groupby（“查询”）.apply(lambda x:x.groupby（“变体”）.apply(λx:x.sort_values（“持续时间”）.head（1），include_groups=False）.sort_values（“持续时间”），include_groups=False）.droplevel（-1）

输出：

期间查询变量问题1 c 20b 30岁a 40岁问题2 a 90

Answer 2

只需创建多索引DataFrame并按期间列：

df.set_index（['query'，'variant']）.sort_values（“持续时间”）