我无法解决这个简单的问题,我在这里寻求帮助...... 我有如下DataFrame,我想在每个'a'
组中选择前两行df = pd.DataFrame({'a':pd.Series(['NewYork','NewYork','NewYork','Washington','Washington','Texas','Texas','Texas','Texas']), 'b': np.arange(9)})
df
Out[152]:
a b
0 NewYork 0
1 NewYork 1
2 NewYork 2
3 Washington 3
4 Washington 4
5 Texas 5
6 Texas 6
7 Texas 7
8 Texas 8
也就是说,我想要一个输出如下:
a b
0 NewYork 0
1 NewYork 1
2 Washington 3
3 Washington 4
4 Texas 5
5 Texas 6
非常感谢你的帮助。
答案 0 :(得分:6)
在pandas 0.13rc中,您可以使用head直接执行此操作(即无需reset_index):
In [11]: df.groupby('id', as_index=False).head(2)
Out[11]:
id value
0 1 first
1 1 second
3 2 first
4 2 second
5 3 first
6 3 third
9 4 second
10 4 fifth
11 5 first
12 6 first
13 6 second
15 7 fourth
16 7 fifth
[13 rows x 2 columns]
注意:正确的索引,这比以前快得多(有或没有reset_index),即使这个小例子也是如此:
# 0.13rc
In [21]: %timeit df.groupby('id', as_index=False).head(2)
1000 loops, best of 3: 279 µs per loop
# 0.12
In [21]: %timeit df.groupby('id', as_index=False).head(2) # this didn't work correctly
1000 loops, best of 3: 1.76 ms per loop
In [22]: %timeit df.groupby('id').head(2).reset_index(drop=True)
1000 loops, best of 3: 1.82 ms per loop
答案 1 :(得分:0)
对不起,似乎有人在问过类似问题之前...... Pandas dataframe get first row of each group 现在就明白了......
df.groupby('a').head(2).reset_index(drop=True)
Out[165]:
a b
0 NewYork 0
1 NewYork 1
2 Texas 5
3 Texas 6
4 Washington 3
5 Washington 4