为什么不首先和最后一组给我第一个也是最后一个

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,并且行为记录不清楚.

考虑数据帧 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

我想获得由列定义的每个组的第一行和最后一行'A'.

我试过了

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

   first  last
A             
x    1.0   2.0
y    3.0   4.0

但是,这并没有给我np.NaN我所期待的.

如何获得每组中的实际第一个和最后一个值？

Answer 1

如前所述这里的@unutbu:

该groupby.first和groupby.last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:

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

一种选择是使用该.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
>>>

但是,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:我明确使用了该gb.B属性,否则你必须使用.squeeze