Question

如果我有以下数据框

| id | timestamp           | code | id2
| 10 | 2017-07-12 13:37:00 | 206  | a1
| 10 | 2017-07-12 13:40:00 | 206  | a1
| 10 | 2017-07-12 13:55:00 | 206  | a1
| 10 | 2017-07-12 19:00:00 | 206  | a2
| 11 | 2017-07-12 13:37:00 | 206  | a1
...

我需要按id, id2列进行分组，并获得第一次出现的timestamp值，例如id=10, id2=a1, timestamp=2017-07-12 13:37:00。

我用Google搜索并找到了一些可能的解决方案，但无法弄清楚如何正确实现它们。这可能应该是这样的：

df.groupby(["id", "id2"])["timestamp"].apply(lambda x: ....)

Answer 1

我认为你需要GroupBy.first：

df.groupby(["id", "id2"])["timestamp"].first()

或drop_duplicates：

df.drop_duplicates(subset=['id','id2'])

对于相同的输出：

df1 = df.groupby(["id", "id2"], as_index=False)["timestamp"].first()
print (df1)
   id id2            timestamp
0  10  a1  2017-07-12 13:37:00
1  10  a2  2017-07-12 19:00:00
2  11  a1  2017-07-12 13:37:00

df1 = df.drop_duplicates(subset=['id','id2'])[['id','id2','timestamp']]
print (df1)
   id id2            timestamp
0  10  a1  2017-07-12 13:37:00
1  10  a2  2017-07-12 19:00:00
2  11  a1  2017-07-12 13:37:00

Answer 2

可以在合并id和id2字符串后创建一个新列，然后删除重复的行：

df['newcol'] = df.apply(lambda x: str(x.id) + str(x.id2), axis=1)
df = df[~df.newcol.duplicated()].iloc[:,:4]   # iloc used to remove new column.
print(df)

输出：

   id              timestamp  code  id2
0  10   2017-07-12 13:37:00    206   a1
3  10   2017-07-12 19:00:00    206   a2
4  11   2017-07-12 13:37:00    206   a1

熊猫：通过键获得第一次分组

2 个答案: