您可以使用pandas.DataFrame.groupby按每个班级对学生进行分组，对于每个班级，您可以使用transform获得最小值，然后使用pandas.Series.tolist将出现多次的行转换为列表。

df = pd.DataFrame.from_dict({'class':['A', 'A', 'A', 'B','B'],
                        'name': ['max1', 'lisa1', 'max3', 'lisa2', 'lisa3'],
                         'gender': ['m', 'f','m','f','f'],
                        'grade':[2,3,1, 2,2]})

temp = df[df.grade == df.groupby(['class'])['grade'].transform('min')]
temp.groupby(['class', 'grade']).agg(pd.Series.tolist)

输出：

这将为您提供预期输出：

name  gender
class grade                        
A     1              [max3]     [m]
B     2      [lisa2, lisa3]  [f, f]

DataFrameGroupBy.transform基本上会给出每个组的最小值，并返回一个DataFrame，该DataFrame具有与填充了转换值的原始对象相同的索引。在我们的示例中，每个组的min都是对应于每个索引值返回的。
所以df.groupby(['class'])['grade'].transform('min')给我们

0    1
1    1
2    1
3    2
4    2

其中1和2是它们各自组的最小值，对属于该组的每一行进行复制。

您可以按应用分组：

df.groupby("class", as_index=False).apply(lambda x: x[x['grade'].eq(x['grade'].min())].\
                                          groupby(['class', 'grade'], as_index=False).\
                                          agg(list)).reset_index(drop=True)

  class  grade            name  gender
0     A      1          [max3]     [m]
1     B      2  [lisa2, lisa3]  [f, f]

试试这个：

df.groupby(['class','grade']).agg(list).groupby('class').head(1)

或

df.loc[df['grade'].eq(df.groupby('class')['grade'].transform('min'))].groupby(['class','grade']).agg(list).reset_index()

输出：

name  gender
class grade                        
A     1              [max3]     [m]
B     2      [lisa2, lisa3]  [f, f]