IIUC，您需要groupby和transform：

output = df[df['Amount outstanding']==df.groupby('Industry')['Amount outstanding'].transform(min)]

>>> output

  Security ID   Industry  Amount outstanding
1      we9lkl  Airplanes                  31
3      as5322        Oil                  21
4     ot24tas    Housing                  29
5   c34ci46a8   Trucking                  29

df['B']=df['Amount outstanding'] 
df.groupby('Industry', group_keys=False).apply(lambda x: x.loc[x.B.idxmin()])

这将为您提供一个新的 Dataframe ，该 Dataframe 在“未付金额”列中只有最小值。如果需要，您可以立即删除“B”列

简洁而有表现力; transform和apply可能不适当地慢，特别是对于大 Dataframe 。

df.loc[df.groupby('Industry')['Amount outstanding'].idxmin()]

分成几部分的：

df.groupby('Industry')                                # for each industry
                             ['Amount outstanding'].idxmin() # get index of minimum 'Amount outstanding' 
df.loc[                                                     ]# return those rows of the original dataframe

***请注意：***确保'Amount outstanding'列的dtype是一个数字;如果它是object，它将比所需的慢几个数量级。我遇到过类似的情况，在1.9M行，30列的 Dataframe 上处理resample;在将列从object转换为float后，运行了几分钟而未完成的代码在几秒钟内完成。