根据条件更改熊猫数据框子组上特定列的值

Question

我有一个类似于下面的数据框：

A B  C
1 0 0.0
1 2 0.2
1 3 1.0
2 1 0.2
2 4 0.0
2 6 1.0
3 1 0.4
3 2 1.0
3 0 0.9
3 3 0.0

现在，对于每个子组，其中子组将具有共享 A 值，我想找到具有最小 B 值的行，然后将该行的 C 值更改为 0.5。在这种情况下，我会获得一个新的数据框：

A B  C
1 0 0.5
1 2 0.2
1 3 1.0
2 1 0.5
2 4 0.0
2 6 1.0
3 1 0.4
3 2 1.0
3 0 0.5
3 3 0.0

作为附录，如果此操作替换 C 列中的 0.0 或 1.0，那么我希望该行与其旧值重复。在这种情况下，A=1 子组违反了此规则（0.0 被 0.5 替换），因此应该产生：

A B  C
1 0 0.0
1 0 0.5
1 2 0.2
1 3 1.0
...

第一个问题是主要问题，第二个不是优先问题，但当然，欢迎帮助。

Answer 1

试试：

df.loc[df.groupby('A')['B'].idxmin(), 'C'] = 0.5

输出：

   A  B    C
0  1  0  0.5
1  1  2  0.2
2  1  3  1.0
3  2  1  0.5
4  2  4  0.0
5  2  6  1.0
6  3  1  0.4
7  3  2  1.0
8  3  0  0.5
9  3  3  0.0

---

关于附录：

# minimum B rows 
min_rows = df.groupby('A')['B'].idxmin()
# minimum B rows with C==0
zeros = df.loc[min_rows].loc[lambda x: x['C']==0].copy()

# change all min rows to 0.5
df.loc[min_rows, 'C'] = 0.5

# concat with 0
df = pd.concat([df, zeros])

输出（注意最后一行）：

   A  B    C
0  1  0  0.5
1  1  2  0.2
2  1  3  1.0
3  2  1  0.5
4  2  4  0.0
5  2  6  1.0
6  3  1  0.4
7  3  2  1.0
8  3  0  0.5
9  3  3  0.0
0  1  0  0.0