python - 如何在 Pandas 中将 argmin 与 groupby 一起使用

Question

假设我有一个像这样的 pandas 数据框:

  cat  val
0   a    1
1   a    6
2   a   12
3   b    2
4   b    5
5   b   11
6   c    4
7   c   22

而且我想知道，对于每个类别('cat' 的每个值)，值最接近给定值的位置是什么，比如 5.5。我可以减去我的目标值并取绝对值，给我这样的东西:

  cat  val  val_delt
0   a    1       4.5
1   a    6       0.5
2   a   12       6.5
3   b    2       3.5
4   b    5       0.5
5   b   11       5.5
6   c    4       1.5
7   c   22      16.5

但我不知道下一步该去哪里。我的第一个想法是将 argmin() 与 groupby() 结合使用，但这会产生错误:

In [375]: df.groupby('cat').val_delt.argmin()
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-375-a2c3dbc43c50> in <module>()
----> 1 df.groupby('cat').val_delt.argmin()

TypeError: 'Series' object is not callable

当然，我可以在标准 python 中想出一些可怕的 hacky 东西，我在其中迭代 cat 的所有值，然后选择与该值对应的数据子集，执行 argmin 操作，然后找出该行的原始数据框。但是必须有一种更优雅的方法来做到这一点。

我想要的输出是这样的:

  cat  val
1   a    6      
4   b    5       
6   c    4  

或至少包含相关信息的某些结构(例如 - {'a':1, 'b':4, 'c':6} )。我不在乎是否取回索引值或索引位置，但我需要两者之一。我不关心取回值 - 一旦我有了索引子集，我总是可以稍后取回该值。

Answer 1

这里的所有答案都有些正确，但没有一个以简洁、漂亮和 Python 的方式做到这一点。我在这里留下了一个明确的方法来做到这一点。

>>> indx = df.groupby('cat')['val_delt'].idxmin()
>>> df.loc[indx]

  cat  val  val_delt
1   a    6       0.5
4   b    5       0.5
6   c    4       1.5