Eu tenho pandas DataFrame
como seguir.
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"]})
Quero agrupar isso por ["id", "value"] e obter a primeira linha de cada grupo.
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
Resultado esperado
id value
1 first
2 first
3 first
4 second
5 first
6 first
7 fourth
Eu tentei seguir o que só dá a primeira linha do DataFrame
. Qualquer ajuda sobre isso é apreciada.
In [25]: for index, row in df.iterrows():
....: df2 = pd.DataFrame(df.groupby(['id','value']).reset_index().ix[0])
first()
em relação às nans é muito surpreendente e algo que acho que a maioria das pessoas não espera.Respostas:
Se você precisar
id
como coluna:Para obter os primeiros registros, você pode usar head ():
fonte
tail(n)
(o padrão é n = 5) ( ref. ). Para não ser confundidolast()
, cometi esse erro.groupby('id',as_index=False)
também mantémid
como uma colunaIsso fornecerá a segunda linha de cada grupo (zero indexado, enésimo (0) é o mesmo que primeiro ()):
Documentação: http://pandas.pydata.org/pandas-docs/stable/groupby.html#taking-the-nth-row-of-each-group
fonte
nth((0,1,2))
ounth(range(3))
.TypeError: n needs to be an int or a list/set/tuple of ints
range(3)
não retorna uma lista, a menos que você digitelist(range(3))
.Eu sugiro usar em
.nth(0)
vez de.first()
se você precisar obter a primeira linha.A diferença entre eles é como eles lidam com NaNs; portanto
.nth(0)
, retornará a primeira linha do grupo, independentemente de quais são os valores nessa linha, enquanto.first()
, eventualmente, retornará o primeiro valor nãoNaN
em cada coluna.Por exemplo, se o seu conjunto de dados for:
E
fonte
.head(1)
também parece comportar-se como.nth(0)
, com exceção do índicetalvez seja isso que você quer
fonte
Se você precisar apenas da primeira linha de cada grupo
drop_duplicates
, observe o método padrão da funçãokeep='first'
.fonte