Question

我发布这个是因为这个话题刚刚出现在另一个问题/答案中，而且行为的记录也没有很好。

考虑数据框df

df = pd.DataFrame(dict(
    A=list('xxxyyy'),
    B=[np.nan, 1, 2, 3, 4, np.nan]
))

   A    B
0  x  NaN
1  x  1.0
2  x  2.0
3  y  3.0
4  y  4.0
5  y  NaN

我想获取由列'A'定义的每个组的第一行和最后一行。

我试过

df.groupby('A').B.agg(['first', 'last'])

   first  last
A             
x    1.0   2.0
y    3.0   4.0

然而，这并没有给我{预期的np.NaN。

如何获取每组中的实际第一个和最后一个值？

Answer 1

如according to the documentation所述here：

@unutbu和groupby.first方法分别返回第一个和最后一个非空值。

要获取实际的第一个和最后一个值，请执行以下操作：

def h(x):
    return x.values[0]

def t(x):
    return x.values[-1]

df.groupby('A').B.agg([h, t])

     h    t
A          
x  NaN  2.0
y  3.0  NaN

Answer 2

一种选择是使用.nth方法：

>>> gb = df.groupby('A')
>>> gb.nth(0)
     B
A
x  NaN
y  3.0
>>> gb.nth(-1)
     B
A
x  2.0
y  NaN
>>>

然而，我还没有找到一种方法来整齐地聚合它们。当然，人们总是可以使用pd.DataFrame构造函数：

>>> pd.DataFrame({'first':gb.B.nth(0), 'last':gb.B.nth(-1)})
   first  last
A
x    NaN   2.0
y    3.0   NaN

注意：我明确使用了gb.B属性，否则您必须使用.squeeze

为什么不首先和最后一组给我第一个也是最后一个

2 个答案: