Question

我希望按照某些条件对DataFrame进行分组，然后在满足某个谓词的第一行的组（ not DataFrame）中找到整数索引。如果没有这样的行，我想获得NaN。

例如，我按列a除以5然后在每个组中，找到列b为“红色”的第一行的索引：

import pandas as pd import numpy as np df = pd.DataFrame({'a': xrange(12), 'b': ['red', 'green', 'blue'] * 4}) a b 0 0 red 1 1 green 2 2 blue 3 3 red 4 4 green 5 5 blue 6 6 red 7 7 green 8 8 blue 9 9 red 10 10 green 11 11 blue df.groupby(df.a // 5).apply(lambda g: next((idx for idx, row in g.reset_index(drop=True).iterrows() if row.b == "red"), None)) a 0 0 1 1 2 NaN dtype: float64

（我想我假设行保持与原始DataFrame中的顺序相同，但如果需要，我可以对组进行排序。）是否有更简洁，有效的方法来执行此操作？

Answer 1

这有点长，但恕我直言更容易理解/可定制

In [126]: df2 = df.copy()

这是您的小组指标

In [127]: g = df.a//5

对创建组的引用

In [128]: grp = df.groupby(g)

创建生成的组的列和组中的累积计数

In [129]: df2['group'] = g

In [130]: df2['count'] = grp.cumcount()

In [131]: df2
Out[131]: 
     a      b  group  count
0    0    red      0      0
1    1  green      0      1
2    2   blue      0      2
3    3    red      0      3
4    4  green      0      4
5    5   blue      1      0
6    6    red      1      1
7    7  green      1      2
8    8   blue      1      3
9    9    red      1      4
10  10  green      2      0
11  11   blue      2      1

过滤和分组可以为您提供所需的第一个元素。计数是组内计数

In [132]: df2[df2.b=='red'].groupby('group').first()
Out[132]: 
       a    b  count
group               
0      0  red      0
1      6  red      1

您可以生成所有组密钥（例如，您的过滤器没有返回任何内容）;这样。

In [133]: df2[df2.b=='red'].groupby('group').first().reindex(grp.groups.keys())
Out[133]: 
    a    b  count
0   0  red      0
1   6  red      1
2 NaN  NaN    NaN

Answer 2

我能做的最好：

import itertools as it
df.groupby(df.a // 5).apply(lambda group: next(it.chain(np.where(group.get_values() == "red")[0], [None])))

唯一真正的区别是对值使用np.where（因此我希望通常会更快），但您甚至可能只想编写自己的first_where函数并使用这一点。

Pandas：查找与组中的谓词匹配的第一行的组索引（如果有）

2 个答案: