Pandas 数据帧获取每个组的第一行

>>> df.groupby('id').first()
     value
id        
1    first
2    first
3    first
4   second
5    first
6    first
7   fourth

如果您需要作为列：id

>>> df.groupby('id').first().reset_index()
   id   value
0   1   first
1   2   first
2   3   first
3   4  second
4   5   first
5   6   first
6   7  fourth

要获取 n 条前记录，您可以使用 head（）：

>>> df.groupby('id').head(2).reset_index(drop=True)
    id   value
0    1   first
1    1  second
2    2   first
3    2  second
4    3   first
5    3   third
6    4  second
7    4   fifth
8    5   first
9    6   first
10   6  second
11   7  fourth
12   7   fifth

这将为您提供每个组的第二行（索引为零，与）：nth(0)first()

df.groupby('id').nth(1) 

文档：http://pandas.pydata.org/pandas-docs/stable/groupby.html#taking-the-nth-row-of-each-group

也许这就是你想要的

import pandas as pd
idx = pd.MultiIndex.from_product([['state1','state2'],   ['county1','county2','county3','county4']])
df = pd.DataFrame({'pop': [12,15,65,42,78,67,55,31]}, index=idx)

                pop
state1 county1   12
       county2   15
       county3   65
       county4   42
state2 county1   78
       county2   67
       county3   55
       county4   31

df.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values('pop', ascending=False)).groupby(level=0).head(3)

> Out[29]: 
                pop
state1 county3   65
       county4   42
       county2   15
state2 county1   78
       county2   67
       county3   55

我建议使用而不是如果你需要获得第一行。.nth(0).first()

它们之间的区别在于它们如何处理 NaN，因此无论该行中的值是什么，都会返回组的第一行，而最终会返回每列中的第一个 not 值。.nth(0).first()NaN

例如，如果你的数据集是：

df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4],
            'value'  : ["first","second","third", np.NaN,
                        "second","first","second","third",
                        "fourth","first","second"]})

>>> df.groupby('id').nth(0)
    value
id        
1    first
2    NaN
3    first
4    first

和

>>> df.groupby('id').first()
    value
id        
1    first
2    second
3    first
4    first

如果你只需要每个组的第一行，我们可以用drop_duplicates，注意函数默认方法。keep='first'

df.drop_duplicates('id')
Out[1027]: 
    id   value
0    1   first
3    2   first
5    3   first
9    4  second
11   5   first
12   6   first
15   7  fourth

考虑到该列是数字类型，例如 /，也可以使用 groupby.rank（），如下所示'id'int32int64

[In]: df[df.groupby('value')['id'].rank() == 1]
[Out]:
   id   value
0   1   first
6   3   third
7   3  fourth
8   3   fifth

如果要重置索引，只需传递例如.reset_index()

[In]: df[df.groupby('value')['id'].rank() == 1].reset_index()
[Out]:
   index  id   value
0      0   1   first
1      6   3   third
2      7   3  fourth
3      8   3   fifth

如果不需要 和 列indexid

[In]: df.drop(['index', 'id'], axis=1, inplace=True)
[Out]:
    value
0   first
1   third
2  fourth
3   fifth

我想“第一个”意味着你已经按照你的意愿对你的 DataFrame 进行了排序。

我所做的是：

df.groupby（'id'）.agg（'第一'） 我想“第一个”意味着你已经按照你的意愿对你的 DataFrame 进行了排序。 我所做的是：

df.groupby('id').agg('first')
     value
id        
1    first
2    first
3    first
4   second
5    first
6    first
7   fourth

好消息是您可以插入任何您想要的功能：

df.groupby('id').agg(['first','last','count']))
     value              
     first    last count
id                      
1    first  second     3
2    first  second     2
3    first   fifth     4
4   second   fifth     2
5    first   first     1
6    first   third     3
7   fourth   fifth     2

输出 DataFrame 具有 MultiIndex 列

MultiIndex([('value', 'first'),
            ('value',  'last'),
            ('value', 'count')],
           )

您可以使用接受要选择的元素索引列表的 take 方法：

df.groupby('id').take([0])