Метод idxmin

Метод idxmin применяется к объекту GroupBy и возвращает индекс строки, содержащей минимальное значение в каждой группе для указанного столбца. Если минимальных значений несколько, возвращается индекс первого из них.

Синтаксис

groupby_obj.idxmin([axis, skipna])

Параметры метода idxmin:

axis (по умолчанию 0) - ось, по которой ищем минимум. 0 - по строкам, 1 - по столбцам
skipna (по умолчанию True) - пропускать ли пропущенные значения

Пример

Давайте создадим таблицу с данными и сгруппируем её по столбцу 'a':

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, 5, 20, 15, 30, 25],
	'c': [100, 200, 300, 150, 400, 350]
})
print(df)

Результат выполнения кода:

   a   b	c
0  1  10  100
1  1   5  200
2  2  20  300
3  2  15  150
4  3  30  400
5  3  25  350

Теперь применим метод idxmin к группированному объекту:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, 5, 20, 15, 30, 25],
	'c': [100, 200, 300, 150, 400, 350]
})
grouped = df.groupby('a')
res = grouped.idxmin()
print(res)

Результат выполнения кода:

Как видно из результата, для каждой группы (значения 'a') возвращается индекс строки с минимальным значением в столбцах 'b' и 'c':

Для группы 1 минимальное значение в столбце 'b' равно 5 (индекс 1), а в столбце 'c' - 100 (индекс 0)
Для группы 2 минимальное значение в столбце 'b' равно 15 (индекс 3), а в столбце 'c' - 150 (индекс 3)
Для группы 3 минимальное значение в столбце 'b' равно 25 (индекс 5), а в столбце 'c' - 350 (индекс 5)

Пример

Давайте получим индекс минимального значения только для одного столбца:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, 5, 20, 15, 30, 25],
	'c': [100, 200, 300, 150, 400, 350]
})
grouped = df.groupby('a')
res = grouped['b'].idxmin()
print(res)

Результат выполнения кода:

a
1	1
2	3
3	5
dtype: int64

В результате мы получили для каждой группы индекс строки, где значение столбца 'b' минимально.

Пример

Рассмотрим работу метода с пропущенными значениями:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, np.nan, 20, 15, 30, 25],
	'c': [100, 200, 300, np.nan, 400, 350]
})
grouped = df.groupby('a')
res = grouped.idxmin(skipna=True)
print(res)

Результат выполнения кода:

Если же установить параметр skipna в False, то пропущенные значения будут учитываться при поиске минимума:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, np.nan, 20, 15, 30, 25],
	'c': [100, 200, 300, np.nan, 400, 350]
})
grouped = df.groupby('a')
res = grouped.idxmin(skipna=False)
print(res)

Результат выполнения кода:

Пример

Используем метод idxmin для получения строки с минимальным значением в каждой группе:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3, 3],
	'b': [10, 5, 20, 15, 30, 25],
	'c': [100, 200, 300, 150, 400, 350]
})
grouped = df.groupby('a')
min_indices = grouped['b'].idxmin()
res = df.loc[min_indices]
print(res)

Результат выполнения кода:

   a   b	c
1  1   5  200
3  2  15  150
5  3  25  350

Таким образом, мы получили строки с минимальным значением столбца 'b' в каждой группе.

Смотрите также

метод idxmax,
который возвращает индекс максимального значения в группе
метод min,
который возвращает минимальное значение в группе
метод max,
который возвращает максимальное значение в группе
класс GroupBy,
который используется для группировки данных