[英]get first and last values in a groupby
我有一个数据帧df
df = pd.DataFrame(np.arange(20).reshape(10, -1),
[['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd'],
['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']],
['X', 'Y'])
如何获取按索引第一级分组的第一行和最后一行?
我试过了
df.groupby(level=0).agg(['first', 'last']).stack()
得到了
X Y
a first 0 1
last 6 7
b first 8 9
last 12 13
c first 14 15
last 16 17
d first 18 19
last 18 19
这非常接近我想要的。 如何保留1级索引并改为:
X Y
a a 0 1
d 6 7
b e 8 9
g 12 13
c h 14 15
i 16 17
d j 18 19
j 18 19
def first_last(df):
return df.ix[[0, -1]]
df.groupby(level=0, group_keys=False).apply(first_last)
idx = df.index.to_series().groupby(level=0).agg(['first', 'last']).stack()
df.loc[idx]
我也滥用了agg
功能。 下面的代码有效,但更加丑陋。
df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
.set_index('level_1', append=True).reset_index(1, drop=True) \
.rename_axis([None, None])
每个@unutbu: agg(['first', 'last'])
取第一个非na值。
我将其解释为,必须按列运行此列。 此外,强制索引级别= 1对齐可能甚至没有意义。
我们来包括另一个测试
df = pd.DataFrame(np.arange(20).reshape(10, -1),
[list('aaaabbbccd'),
list('abcdefghij')],
list('XY'))
df.loc[tuple('aa'), 'X'] = np.nan
def first_last(df):
return df.ix[[0, -1]]
df.groupby(level=0, group_keys=False).apply(first_last)
df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
.set_index('level_1', append=True).reset_index(1, drop=True) \
.rename_axis([None, None])
果然! 第二个解决方案是获取第X列中的第一个有效值。现在,强制该值与索引a对齐是没有意义的。
这可以是简单的解决方案。
df.groupby(level = 0, as_index= False).nth([0,-1])
X Y
a a 0 1
d 6 7
b e 8 9
g 12 13
c h 14 15
i 16 17
d j 18 19
希望这可以帮助。 (Y)
请试试这个:
对于最后一个值: df.groupby('Column_name').nth(-1)
,
对于第一个值: df.groupby('Column_name').nth(0)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.