您可以使用双groupby：

cols = ['out_size', 'problem_size', 'algo']

out = (df
 .groupby(cols, as_index=False)['time'].mean()
 .sort_values(by='time')
 .groupby(cols[:-1], as_index=False).first()
)

稍微更有效的替代方案，不需要对值进行排序（但需要存储中间值）：

cols = ['out_size', 'problem_size', 'algo']

out = df.groupby(cols)['time'].mean()
out = out.loc[out.groupby(cols[:-1]).idxmin()].reset_index()

输出：

out_size  problem_size algo  time
0         2             2    A  0.55
1         2             3    C  0.60

您可以使用两个groupby来执行此操作：

group_cols = ["out_size", "problem_size", "algo"]
result = df.groupby(group_cols)["time"].mean().reset_index(drop=False)

计算每个组的平均时间。然后您可以按升序对时间进行排序：

result = result.sort_values("time", ascending=True)

然后再次分组（不包括列algo）并取每个组的第一个元素：

result = result.groupby(["out_size", "problem_size"])[["algo","time"]].first().reset_index(drop=False)

你可以这样做-首先groupby三列，然后按平均值进行agg，然后升序排序，然后你只想取组中的第一个，所以根据out_size和problem_size删除重复项，只保留第一个，这将保证你得到最低的平均值算法，因为它已经排序过了。

df.groupby(['out_size', 'problem_size', 'algo'],as_index=False).agg(
    {'time':'mean'}).sort_values(
    by='time',ignore_index=True).drop_duplicates(
    subset=['out_size', 'problem_size'], keep='first', ignore_index=True)

或者如果有更多的列都需要average agg，那么

agg_cols = ['time', #someother columns]
groupby_cols = df.columns.drop(agg_cols).tolist()
g = df.groupby(groupby_cols,as_index=False).agg('mean')
g.sort_values(by='time',ignore_index=True).drop_duplicates(
               subset=['out_size','problem_size'],ignore_index=True, keep='first')

输出：

out_size  problem_size algo  time
0         2             2    A  0.55
1         2             3    C  0.60

你可以在一行中通过-分组值，排序和分组再次：

df1 = df.groupby(['out_size', 'problem_size', 'algo'])['time'].mean().reset_index()
df1 = df1.sort_values(['out_size', 'problem_size', 'time'])
df1 = df1.groupby(['out_size', 'problem_size']).head(1)
df1

输出：

out_size  problem_size algo  time
      2             2      A     0.55
      2             3      C     0.60

cols = ['out_size', 'problem_size', 'algo']
out = df.groupby(cols)['time'].mean().unstack('algo').agg(['idxmin', 'min'], axis=1).reset_index()
out.rename(columns={'idxmin':'algo', 'min':'time'}, inplace=True)
print(out)

输出：

out_size  problem_size algo  time
0         2             2    A  0.55
1         2             3    C   0.6

df.groupby(['out_size', 'problem_size']).apply(lambda dd:dd.groupby('algo')['time'].mean().nsmallest(1)).reset_index()

输出：

out_size  problem_size algo  time
0         2             2    A  0.55
1         2             3    C  0.60