Фреймворк Pandas получает первую строку каждой группы

137

У меня есть DataFrameтакие панды, как следующие.

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"]})

Я хочу сгруппировать это по ["id", "value"] и получить первую строку каждой группы.

        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

Ожидаемый результат

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

Я пробовал следовать, который дает только первую строку DataFrame. Любая помощь по этому поводу приветствуется.

In [25]: for index, row in df.iterrows():
   ....:     df2 = pd.DataFrame(df.groupby(['id','value']).reset_index().ix[0])
Нилани Альгирияге
источник
2
Я понимаю, что этот вопрос довольно старый, но я бы посоветовал принять ответ от @vital_dml, потому что поведение по first()отношению к nans очень удивительно, и я думаю, что большинство людей этого не ожидает.
user545424

Ответы:

238
>>> df.groupby('id').first()
     value
id        
1    first
2    first
3    first
4   second
5    first
6    first
7   fourth

Если вам нужен idстолбец:

>>> 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

Чтобы получить n первых записей, вы можете использовать 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
Роман Пекар
источник
1
Большое спасибо! Хорошо получилось :) Не получается второй ряд точно так же получить? Вы тоже можете это объяснить?
Nilani Algiriyage
g = df.groupby (['session']) g.agg (lambda x: x.iloc [0]) это тоже работает, не знаете, как получить второе значение? :(
Nilani Algiriyage
предположим, что при подсчете сверху вы хотите получить номер строки top_n, затем dx = df.groupby ('id'). head (top_n) .reset_index (drop = True) и предположим, что при подсчете снизу вы хотите получить номер строки bottom_n, затем dx = df.groupby ('id'). tail (bottom_n) .reset_index (drop = True)
Кетцалькоатль
3
Если вам нужны последние n строк, используйте tail(n)(по умолчанию n = 5) ( см. ). Не путать last(), я совершил ту ошибку.
rocarvaj
groupby('id',as_index=False)также сохраняет idкак колонку
Ричард ДиСальво
50

Это даст вам вторую строку каждой группы (с нулевым индексом, nth (0) совпадает с first ()):

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

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

Wij
источник
8
Если вам нужны числа, кратные первым трем, например, используйте последовательность вроде nth((0,1,2))или nth(range(3)).
Ronan Paixão
@ RonanPaixão: Почему-то, когда я даю диапазон, он выдает ошибку:TypeError: n needs to be an int or a list/set/tuple of ints
Peaceful
@Peaceful: вы используете Python 3? Если да, range(3)не возвращает список, пока вы не введете list(range(3)).
Бен
41

Я бы посоветовал использовать, .nth(0)а не .first()если вам нужно получить первую строку.

Разница между ними заключается в том, как они обрабатывают NaN, поэтому .nth(0)вернет первую строку группы независимо от значений в этой строке, а в .first()конечном итоге вернет первое значение not NaN в каждом столбце.

Например, если ваш набор данных:

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

И

>>> df.groupby('id').first()
    value
id        
1    first
2    second
3    first
4    first
vital_dml
источник
1
хорошая точка зрения. .head(1)тоже, похоже, ведет себя как .nth(0), за исключением индекса
Ричард ДиСальво
1
Другое отличие состоит в том, что nth (0) сохранит исходный индекс (если as_index = False), а first () - нет. Однажды для меня это было существенной разницей, так как мне нужен был сам индекс.
Олег О
7

может это то, что ты хочешь

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
Сирадж С.
источник
7

Если вам нужна только первая строка из каждой группы, с которой мы можем работать drop_duplicates, обратите внимание на метод функции по умолчанию 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
YOBEN_S
источник