python - 如何从 Dask 数据框中选择值等于组最小值的所有行

Question

所以我有以下按 Problem 列分组的 dask 数据框。

| Problem | Items   | Min_Dimension | Max_Dimension | Cost  |
|-------- |------   |---------------|-------------- |------ |
| A       | 7       | 2             | 15            | 23    |
| A       | 5       | 2             | 15            | 38    |
| A       | 15      | 2             | 15            | 23    |
| B       | 11      | 6             | 10            | 54    |
| B       | 10      | 6             | 10            | 48    |
| B       | 18      | 6             | 10            | 79    |
| C       | 50      | 8             | 25            | 120   |
| C       | 50      | 8             | 25            | 68    |
| C       | 48      | 8             | 25            | 68    |
| ...     | ...     | ...           | ...           | ...   |

目标是创建一个新的数据框，其中包含所有行，其中 Cost 值对于这个特定的 Problem 组是最小的。所以我们想要以下结果:

| Problem | Items   | Min_Dimension | Max_Dimension | Cost  |
|-------- |------   |---------------|-------------- |------ |
| A       | 7       | 2             | 15            | 23    |
| A       | 15      | 2             | 15            | 23    |
| B       | 10      | 6             | 10            | 48    |
| C       | 50      | 8             | 25            | 68    |
| C       | 48      | 8             | 25            | 68    |
| ...     | ...     | ...           | ...           | ...   |

我怎样才能达到这个结果，我已经尝试使用 idxmin() 就像在另一个问题中提到的那样，但是后来我得到了一个 ValueError: Not all divisions are known, can' t 对齐分区。请使用 set_index 设置索引。

Answer 1

如果您创建另一个按 Problem 和 Cost.min() 分组的数据框会怎么样？假设新列名为 cost_min。

df1 = df.groupby('Problem')['Cost'].min().reset_index()

然后，将这个新的 cost_min 列合并回数据框。

df2 = pd.merge(df, df1, how='left', on='Problem')

从那里，做类似的事情:

df_new = df2.loc[df2['Cost'] == df2['cost_min']]

只是写了一些伪代码，但我认为所有这些都适用于 Dask。