我有一个数据框(让我们称之为“csv”)我要分组并获取该组的第一个元素的值。例如:
A B C D
foo bar happy yellow
foo bar sad green
foo ape last laugh
我希望这是输出:
A B C
foo bar happy
foo ape last
我目前这样做:
grp1 = csv.groupby(['A','B'])
lst = [(A,B,csv.ix[group[0]]['C']) for (A,B),group in grp1.groups.items()]
df = DataFrame(lst,columns=['A','B','C'])
df.to_csv('grp.csv',cols=['A','B','C'],index=False)
但这似乎效率低下。我是否真的必须首先创建一个列表,然后从中创建一个dataframe
?是不是可以直接创建dataframe
,或者在原始dataframe
上进行某种索引或某种操作,以便我可以使用每组中的第一条记录?
答案 0 :(得分:1)
您可以使用aggregate
来定义聚合函数,它将保留列的第一个元素并删除其他元素。
In [60]: grp = df.groupby(['A', 'B'])
In [61]: grp.aggregate({'C': lambda c: c.ix[c.first_valid_index()]})
Out[61]:
C
A B
foo ape last
bar happy