Pandas 数据框获取每组的第一行

问题描述：

我有一只DataFrame如下的熊猫：

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

我尝试按照以下方法操作，但仅给出了第一行DataFrame。

In [25]: for index, row in df.iterrows():
   ....:     df2 = pd.DataFrame(df.groupby(['id','value']).reset_index().ix[0])

解决方案 1：

用于.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如下列：

>>> 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，您可以使用.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

解决方案 2：

如果您需要获取第一行，我建议使用.nth(0)而不是。.first()

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，而最终将返回每列中的.first()第一个非值。 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

和

>>> df.groupby('id').first()
    value
id        
1    first
2    second
3    first
4    first

解决方案 3：

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

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

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

解决方案 4：

如果只需要每个组的第一行，我们就可以这样做drop_duplicates，请注意函数默认方法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

解决方案 5：

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

解决方案 6：

我认为“首先”意味着您已经根据需要对 DataFrame 进行了排序。

我所做的是：

df.groupby('id').agg('first') 我猜想“first”意味着你已经按需要对 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')],
           )

解决方案 7：

take您可以使用接受元素索引列表的方法进行选择：

df.groupby('id').take([0])

解决方案 8：

考虑到该'id'列是数字类型，例如int32/ int64，也可以使用groupby.rank()如下方法

[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

如果不需要index和列id

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