產生新的熊貓數據幀，通過跨行

Question

我有形式

data = [{'Energy': 2,'spin': 1},{'Energy': 6,'spin': 2},{'Energy':5,'spin':2}, 
     {'Energy': 15,'spin': 5},{'Energy': 4,'spin': 1}, {'Energy': 10,'spin': 5}] 

df=pd.DataFrame(data, index=['Particle 1', 'Particle 2','Particle 3', 
          'Particle 4','Particle 5','Particle 6']) 
print(df) 

的數據幀對於每個組具有相同的自旋顆粒的子集保持最低，我想繼續只有能量最小的那個，然後放下其餘的。這是，結果數據幀應該看起來像這樣：

dataclean = [{'Energy': 2,'spin': 1},{'Energy': 5,'spin': 2},{'Energy': 10,'spin': 5}] 

df2=pd.DataFrame(dataclean, index=['Particle 1','Particle 3','Particle 6']) 
print(df2) 

      Energy spin 
Particle 1  2  1 
Particle 3  5  2 
Particle 6  10  5 

我試過不同的方法失敗。這樣做的最簡單方法是什麼？

Answer 1

您可以使用idxmin()找出指數在能源最小每個旋，然後用它來子集原始數據幀（這個假設你沒有複製指數）：

df.loc[df.groupby("spin").Energy.idxmin()] 

---

另一種選擇：使用nsmallest

df.groupby('spin').Energy.nsmallest(1).reset_index(level=0) 

Answer 2

UPDATE：

來源DF

In [70]: df 
Out[70]: 
      Energy spin 
Particle 1  2  1 
Particle 2  6  2 
Particle 3  5  2 
Particle 4  15  5 
Particle 5  4  1 
Particle 6  10  5 
Particle 7  10  5 # i've added this row 

解決方案中，使用方法GroupBy.rank(method='dense')

In [71]: df.loc[df.groupby('spin').Energy.rank(method='dense').le(1)] 
Out[71]: 
      Energy spin 
Particle 1  2  1 
Particle 3  5  2 
Particle 6  10  5 
Particle 7  10  5 

說明：

In [72]: df.groupby('spin').Energy.rank(method='dense') 
Out[72]: 
Particle 1 1.0 
Particle 2 2.0 
Particle 3 1.0 
Particle 4 2.0 
Particle 5 2.0 
Particle 6 1.0 
Particle 7 1.0 
Name: Energy, dtype: float64 

In [73]: df.groupby('spin').Energy.rank(method='dense').le(1) 
Out[73]: 
Particle 1  True 
Particle 2 False 
Particle 3  True 
Particle 4 False 
Particle 5 False 
Particle 6  True 
Particle 7  True 
Name: Energy, dtype: bool 

---

OLD答案：

替代解決方案：

In [60]: df.sort_values('Energy').groupby('spin').head(1) 
Out[60]: 
      Energy spin 
Particle 1  2  1 
Particle 3  5  2 
Particle 6  10  5 

PS請注意，@Psidom's solution: df.groupby('spin').Energy.nsmallest(1).reset_index(level=0)是更地道，應該進行更好的