Question

我有一个以日期时间为索引的熊猫数据框，例如：

                     longitude  latitude  group_1
timestamp                                        
2019-01-04 08:25:10    47.4900  -18.7983      1.0
2019-01-04 08:25:20    47.4983  -18.8000      1.0
2019-01-04 08:25:28    47.5050  -18.8000      1.0
2019-01-04 08:25:36    47.5133  -18.8000      1.0
2019-01-04 08:25:44    47.5200  -18.7967      1.0
2019-01-04 08:25:52    47.5250  -18.7933      1.0
2019-01-04 08:26:05    47.5367  -18.7867      1.0
2019-01-04 08:26:21    47.5500  -18.7767      1.0
2019-01-04 08:26:34    47.5600  -18.7683      1.0
2019-01-04 08:26:42    47.5683  -18.7633      1.0
2019-01-04 08:27:05    47.5900  -18.7483      1.0
2019-01-04 08:27:53    47.6350  -18.7150      1.0
2019-01-04 08:28:40    47.6817  -18.6783      1.0
2019-01-04 08:33:44    48.0700  -18.3933      NaN
2019-01-04 08:54:05    49.6333  -17.2233      NaN
2019-01-04 08:55:43    49.7233  -17.1667      NaN
2019-01-04 08:57:43    49.8117  -17.1450      NaN
2019-01-04 09:59:44    49.8150  -17.0900      NaN
2019-01-04 10:00:02    49.8133  -17.0767      1.0
2019-01-04 10:00:09    49.8117  -17.0717      1.0
2019-01-04 10:00:31    49.8050  -17.0567      1.0
2019-01-04 10:02:49    49.7483  -16.9183      1.0
2019-01-04 10:39:12    48.5383  -13.6500      1.0
2019-01-04 10:45:31    48.3683  -13.3033      NaN
2019-01-04 10:46:47    48.3317  -13.2933      NaN
2019-01-04 10:47:11    48.3217  -13.3033      NaN
2019-01-04 11:40:01    48.3567  -13.3483      1.0
2019-01-04 11:40:41    48.3500  -13.3917      1.0
2019-01-04 11:41:23    48.3433  -13.4383      1.0
2019-01-04 11:42:07    48.3350  -13.4867      1.0

如何在group_1中选择与每组1.0中的第一个值相对应的行？使用上面的示例数据，所需的输出为：

                     longitude  latitude  group_1
timestamp                                        
2019-01-04 08:25:10    47.4900  -18.7983      1.0
2019-01-04 10:00:02    49.8133  -17.0767      1.0
2019-01-04 11:40:01    48.3567  -13.3483      1.0

Answer 1

创建一个掩码以分隔NaN值的孤岛，然后使用groupby + idxmax

u = df['group_1']    
m = u.isnull() & u.shift().notnull()
ii = u.groupby(m.cumsum()).idxmax()

df.loc[ii]

                     longitude  latitude  group_1
timestamp
2019-01-04 08:25:10    47.4900  -18.7983      1.0
2019-01-04 10:00:02    49.8133  -17.0767      1.0
2019-01-04 11:40:01    48.3567  -13.3483      1.0

Answer 2

您可以尝试（适用于任何形式的1块）：

s = df['group_1'].ne(1)
blocks = s.cumsum()
df[~s].groupby(blocks[~s], group_keys=False).head(1)

或不使用groupby（当1块与nan交织时起作用）

df[df.group_1.shift().fillna(0).lt(df.group_1)]

输出：

                     longitude  latitude  group_1
timestamp                                        
2019-01-04 08:25:10    47.4900  -18.7983      1.0
2019-01-04 10:00:02    49.8133  -17.0767      1.0
2019-01-04 11:40:01    48.3567  -13.3483      1.0

熊猫为每个值组选择第一行

2 个答案: