2

我有一个数据框（我们称之为“csv”），我想对其进行分组并获取组中第一个元素的值。例子：

A   B   C  D
foo bar happy yellow
foo bar sad   green
foo ape last  laugh

我想要这个作为输出：

A   B   C
foo bar happy
foo ape last

我目前这样做：

grp1 = csv.groupby(['A','B'])
lst = [(A,B,csv.ix[group[0]]['C']) for (A,B),group in grp1.groups.items()]
df = DataFrame(lst,columns=['A','B','C'])
df.to_csv('grp.csv',cols=['A','B','C'],index=False)

但这似乎效率低下。我真的必须先创建一个列表，然后再dataframe从中创建一个吗？有没有办法dataframe直接创建一个，或者对原始文件进行某种索引或其他操作，dataframe以便我可以处理每个组中的第一条记录？

4

1 回答 1

1

您可以使用aggregate来定义您的聚合函数，它将只保留列的第一个元素并删除其他元素。

    In [60]: grp = df.groupby(['A', 'B'])

    In [61]: grp.aggregate({'C': lambda c: c.ix[c.first_valid_index()]})
    Out[61]:
                 C
    A   B  
    foo ape   last
        bar  happy
于 2012-05-31T08:11:17.123 回答