Python熊猫：获取组的第一个值

Question

我有一个这样记录的诊断列表：

df = pd.DataFrame({
    "DiagnosisTime": ["2017-01-01 08:23:00", "2017-01-01 08:23:00", "2017-01-01 08:23:03", "2017-01-01 08:27:00", "2019-12-31 20:19:39", "2019-12-31 20:19:39"],
    "ID": [1,1,1,1,2,2]
})

ID可以识别多个主题。对于每个受试者，可能会有一个或多个诊断。每个诊断都可以包含多个条目（因为要对多个事物进行重新记录（在此示例中不包含））。

DiagnosisTime可以（在某种程度上）标识单个诊断（具有多行）。但是，有时一种诊断的数据写入过程中会有一点延迟，因此在按DiagnosisTime分组时，我希望允许几秒钟的较小容差。

在此示例中，我希望得到如下结果：

ID的诊断有两种：1，第0、1、2和第3行。请注意，第2行的DiagnosisTime与0和1略有不同。ID 2是包含1个诊断，包含第4行和第5行。

对于每个ID，我想将计数器设置回1（如果更简单，则设置为0）。

这是我走了多远：

df["DiagnosisTime"] = pd.to_datetime(df["DiagnosisTime"])
df["diagnosis_number"] = df.groupby([pd.Grouper(freq='5S', key="DiagnosisTime"), 'ID']).ngroup()

我认为我已经成功地在一个ID（不是完全确定石斑鱼）中确定了诊断，但是我不知道如何重置计数器。

如果这不可能，那么我将对一个函数返回一个ID且该组中diagnosis_number最低的所有记录感到满意。

Answer 1

您可以使用GroupBy.transform和factorize添加lambda函数：

df["diagnosis_number"] = (df.groupby('ID')['diagnosis_number']
                             .transform(lambda x: pd.factorize(x)[0]) + 1)
print (df)
        DiagnosisTime  ID  diagnosis_number
0 2017-01-01 08:23:00   1                 1
1 2017-01-01 08:23:00   1                 1
2 2017-01-01 08:23:03   1                 1
3 2017-01-01 08:27:00   1                 2
4 2019-12-31 20:19:39   2                 1
5 2019-12-31 20:19:39   2                 1