这可能是一个琐碎的问题，但我仍在尝试找出pandas / numpy。

因此，假设我有一个具有以下结构的表：

group_id | col1 | col2 | col3 |  "A"   |  "B"
   x     |   1  |   2  |  3   |  NaN   |   1
   x     |   3  |   2  |  3   |   1    |   1 
   x     |   4  |   2  |  3   |   2    |   1
   y     |   1  |   2  |  3   |  NaN   |   3 
   y     |   3  |   2  |  3   |   3    |   3 
   z     |   3  |   2  |  3   |   10   |   2
   z     |   2  |   2  |  3   |   6    |   2
   z     |   4  |   2  |  3   |   4    |   2
   z     |   4  |   2  |  3   |   2    |   2

请注意，有一个group_id将每行中的元素分组。因此，一开始，我具有group_id和col1-col3列的值。

然后，对于每一行，如果col1，col2或col3的值= 1，则“ A”为NaN，否则该值基于公式（与此处无关，因此我在其中放置了一些数字）。

那，我知道如何使用：

df["A"] = np.where(((df['col1'] == 1)|(df['col2']== 1) | (df['col3']) == 1))), NaN, value)

但是对于列“ B”，我需要使用特定组中列A的最小值填充它。

因此，例如，对于具有组X的所有行，“ B”等于“ 1”，因为对于所有“ x”组行的A列中的最小值等于1。

同样，对于“ y”组中的行，最小值为3，对于“ z”组中的最小值为2。我如何使用熊猫来做到这一点？这让我更加困惑，因为特定组的行数可能会有所不同。

如果它们都是相同的大小，我只能说用预设范围内的最小值填充它。

我希望这是有道理的; 请让我知道我是否应该提供更清晰的示例或澄清任何内容！