获取groupby中的第一个和最后一个值

Question

我有一个数据框df

df = pd.DataFrame(np.arange(20).reshape(10, -1),
                  [['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd'],
                   ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']],
                  ['X', 'Y'])

如何获取按索引第一级分组的第一行和最后一行？

我试过

df.groupby(level=0).agg(['first', 'last']).stack()

得到了

          X   Y
a first   0   1
  last    6   7
b first   8   9
  last   12  13
c first  14  15
  last   16  17
d first  18  19
  last   18  19

这与我想要的非常接近。如何保留1级索引并改为：

      X   Y
a a   0   1
  d   6   7
b e   8   9
  g  12  13
c h  14  15
  i  16  17
d j  18  19
  j  18  19

Answer 1

选项1

def first_last(df):
    return df.ix[[0, -1]]

df.groupby(level=0, group_keys=False).apply(first_last)

选项2 - 仅在索引为唯一

时有效

idx = df.index.to_series().groupby(level=0).agg(['first', 'last']).stack()
df.loc[idx]

选项3 - 以下注释，只有在没有NA

时才有意义

我也滥用agg功能。下面的代码有效，但是更加丑陋。

df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
    .set_index('level_1', append=True).reset_index(1, drop=True) \
    .rename_axis([None, None])

注意

per @unutbu：agg(['first', 'last'])取第一个非na值。

我将其解释为，必须按列运行此列。此外，强制索引级别= 1进行对齐可能甚至没有意义。

让我们包括另一个测试

df = pd.DataFrame(np.arange(20).reshape(10, -1),
                  [list('aaaabbbccd'),
                   list('abcdefghij')],
                  list('XY'))

df.loc[tuple('aa'), 'X'] = np.nan

def first_last(df):
    return df.ix[[0, -1]]

df.groupby(level=0, group_keys=False).apply(first_last)

df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
    .set_index('level_1', append=True).reset_index(1, drop=True) \
    .rename_axis([None, None])

果然！第二个解决方案是获取第X列中的第一个有效值。现在，强制该值与索引a对齐是荒谬的。

Answer 2

这可能是简单的解决方案。

df.groupby(level = 0, as_index= False).nth([0,-1])

      X   Y
a a   0   1
  d   6   7
b e   8   9
  g  12  13
c h  14  15
  i  16  17
d j  18  19

希望这会有所帮助。 （是）

Answer 3

请尝试以下操作：

对于最后一个值：df.groupby('Column_name').nth(-1)，

对于第一个值：df.groupby('Column_name').nth(0)