8wDlpd.png
8wDFp9.png
8wDEOx.png
8wDMfH.png
8wDKte.png

Pandas 数据框获取每组的第一行

Oros Tom 2月前

45 0

我有一个如下所示的 pandas DataFrame:df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4,5,6,6,6,7,7], 'value' : [\'first\',\'second\',\'second\',\'fi...

如下的 DataFrame 熊猫

df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4,5,6,6,6,7,7],
                'value'  : ["first","second","second","first",
                            "second","first","third","fourth",
                            "fifth","second","fifth","first",
                            "first","second","third","fourth","fifth"]})

我想对此进行分组 ["id","value"] 并获取每组的第一行:

        id   value
0        1   first
1        1  second
2        1  second
3        2   first
4        2  second
5        3   first
6        3   third
7        3  fourth
8        3   fifth
9        4  second
10       4   fifth
11       5   first
12       6   first
13       6  second
14       6   third
15       7  fourth
16       7   fifth

预期成果:

id   value
 1   first
 2   first
 3   first
 4  second
 5  first
 6  first
 7  fourth

我尝试了以下方法,但只给出了第一行 DataFrame .

In [25]: for index, row in df.iterrows():
   ....:     df2 = pd.DataFrame(df.groupby(['id','value']).reset_index().ix[0])
帖子版权声明 1、本帖标题:Pandas 数据框获取每组的第一行
    本站网址:http://xjnalaquan.com/
2、本网站的资源部分来源于网络,如有侵权,请联系站长进行删除处理。
3、会员发帖仅代表会员个人观点,并不代表本站赞同其观点和对其真实性负责。
4、本站一律禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
5、站长邮箱:yeweds@126.com 除非注明,本帖由Oros Tom在本站《pandas》版块原创发布, 转载请注明出处!
最新回复 (0)
  • 使用 .first() 获取第一个(非空)元素。

    >>> df.groupby('id').first()
         value
    id        
    1    first
    2    first
    3    first
    4   second
    5    first
    6    first
    7   fourth
    

    如果需要 id 作为列:

    >>> df.groupby('id').first().reset_index()
       id   value
    0   1   first
    1   2   first
    2   3   first
    3   4  second
    4   5   first
    5   6   first
    6   7  fourth
    

    要获取前 n 条记录,可以使用 .head() :

    >>> df.groupby('id').head(2).reset_index(drop=True)
        id   value
    0    1   first
    1    1  second
    2    2   first
    3    2  second
    4    3   first
    5    3   third
    6    4  second
    7    4   fifth
    8    5   first
    9    6   first
    10   6  second
    11   7  fourth
    12   7   fifth
    
  • 如果您需要获取第一行, .nth(0) 我建议使用 .first() 而不是

    它们之间的区别在于它们处理 NaN 的方式,因此 .nth(0) 无论该行中的值是什么都会返回组的第一行,而 .first() 每列中的 第一个 NaN

    例如如果你的数据集是:

    df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4],
                'value'  : ["first","second","third", np.NaN,
                            "second","first","second","third",
                            "fourth","first","second"]})
    
    >>> df.groupby('id').nth(0)
        value
    id        
    1    first
    2    NaN
    3    first
    4    first
    

    >>> df.groupby('id').first()
        value
    id        
    1    first
    2    second
    3    first
    4    first
    
  • 如果您尝试在某些分组操作之后选择每个组的第一个元素,那么您最好使用 df.groupby('id').nth(0)。如果您需要将 .agg() 用于其他聚合,则可以定义一个函数,如 first_element = lambda series: series.iloc[0] 并将其应用于 .agg(),例如 df.groupby('id').agg({'value': [first_element, 'mean']})

  • 但你真的找不到单个值的平均值吗?我问的更多是有关包括其他聚合的问题。例如 .agg(firstval=('column1','nth(0)'), Avg=('column2', 'mean')),其中 firstval 将给出 column1 的第一个值,而不管 NaN 是否为

  • apsh 2月前 0 只看Ta
    引用 6

    这将为您提供每个组的第二行( 零索引 , nth(0) 与以下相同 first() ):

    df.groupby('id').nth(1) 
    

    文档: http://pandas.pydata.org/pandas-docs/stable/groupby.html#taking-the-nth-row-of-each-group

  • 如果您只需要每个组的第一行,我们可以使用 drop_duplicates ,注意函数默认方法 keep='first' .

    df.drop_duplicates('id')
    Out[1027]: 
        id   value
    0    1   first
    3    2   first
    5    3   first
    9    4  second
    11   5   first
    12   6   first
    15   7  fourth
    
  • 也许这就是你想要的

    import pandas as pd
    idx = pd.MultiIndex.from_product([['state1','state2'],   ['county1','county2','county3','county4']])
    df = pd.DataFrame({'pop': [12,15,65,42,78,67,55,31]}, index=idx)
    
                    pop
    state1 county1   12
           county2   15
           county3   65
           county4   42
    state2 county1   78
           county2   67
           county3   55
           county4   31
    
    df.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values('pop', ascending=False)).groupby(level=0).head(3)
    
    > Out[29]: 
                    pop
    state1 county3   65
           county4   42
           county2   15
    state2 county1   78
           county2   67
           county3   55
    
  • iOS 2月前 0 只看Ta
    引用 9

    我认为“first”意味着你已经按照你想要的方式对DataFrame进行了排序。

    我所做的是:

    df.groupby('id').agg('first')我认为'first'表示你已经按照你想要的方式对DataFrame进行了排序。我的做法是:

    df.groupby('id').agg('first')
         value
    id        
    1    first
    2    first
    3    first
    4   second
    5    first
    6    first
    7   fourth
    

    好处在于你可以插入任何你想要的功能:

    df.groupby('id').agg(['first','last','count']))
         value              
         first    last count
    id                      
    1    first  second     3
    2    first  second     2
    3    first   fifth     4
    4   second   fifth     2
    5    first   first     1
    6    first   third     3
    7   fourth   fifth     2
    

    输出 DataFrame 具有 MultiIndex 列

    MultiIndex([('value', 'first'),
                ('value',  'last'),
                ('value', 'count')],
               )
    
  • 我在另一个答案的评论中指出,不应将 .first() 用于此目的。应该使用 .nth() 方法。

  • Luis 2月前 0 只看Ta
    引用 11

    接受元素索引列表的方法进行 take

    df.groupby('id').take([0])
    
  • 考虑到该 'id' 列是数字类型,例如 int32 / int64 ,也可以使用 groupby.rank() ,如下所示

    [In]: df[df.groupby('value')['id'].rank() == 1]
    [Out]:
       id   value
    0   1   first
    6   3   third
    7   3  fourth
    8   3   fifth
    

    如果要重置索引,只需传递 .reset_index() 如下内容

    [In]: df[df.groupby('value')['id'].rank() == 1].reset_index()
    [Out]:
       index  id   value
    0      0   1   first
    1      6   3   third
    2      7   3  fourth
    3      8   3   fifth
    

    如果 index 不需要 id

    [In]: df.drop(['index', 'id'], axis=1, inplace=True)
    [Out]:
        value
    0   first
    1   third
    2  fourth
    3   fifth
    
返回
作者最近主题: