Question

以下代码（当然）只会在按“日期”排序的行中保留第一次出现的“Item1”。关于如何保持它的任何建议，比如前5次出现？

## Sort the dataframe by Date and keep only the earliest appearance of 'Item1'
## drop_duplicates considers the column 'Date' and keeps only first occurence

coocdates = data.sort('Date').drop_duplicates(cols=['Item1'])

Answer 1

您想在数据框本身或head上使用on the groupby：

In [11]: df = pd.DataFrame([[1, 2], [1, 4], [1, 6], [2, 8]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  4
2  1  6
3  2  8

In [13]: df.head(2)  # the first two rows
Out[13]:
   A  B
0  1  2
1  1  4

In [14]: df.groupby('A').head(2)  # the first two rows in each group
Out[14]:
   A  B
0  1  2
1  1  4
3  2  8

注意：groupby的头部行为在0.14中有所改变（它没有像过滤器一样 - 但修改了索引），因此如果使用更早的版本，则必须重置索引版本

Answer 2

使用groupby()和nth()：

根据Pandas docs，nth()

如果n是int，则从每个组获取第n行;如果n是int列表，则从行的子集获取。

因此，您只需要：

df.groupby('Date').nth([0,1,2,3,4]).reset_index(drop=False, inplace=True)

保持N首次出现

2 个答案: