Pandas Datenrahmen erhalten die erste Zeile jeder Gruppe

Ich habe einen Pandas DataFramewie folgt.

df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4,5,6,6,6,7,7],
                'value'  : ["first","second","second","first",
                            "second","first","third","fourth",
                            "fifth","second","fifth","first",
                            "first","second","third","fourth","fifth"]})

Ich möchte dies nach ["id", "value"] gruppieren und die erste Zeile jeder Gruppe erhalten.

        id   value
0        1   first
1        1  second
2        1  second
3        2   first
4        2  second
5        3   first
6        3   third
7        3  fourth
8        3   fifth
9        4  second
10       4   fifth
11       5   first
12       6   first
13       6  second
14       6   third
15       7  fourth
16       7   fifth

Erwartetes Ergebnis

    id   value
     1   first
     2   first
     3   first
     4  second
     5  first
     6  first
     7  fourth

Ich habe versucht zu folgen, was nur die erste Zeile der gibt DataFrame. Jede Hilfe hierzu ist willkommen.

In [25]: for index, row in df.iterrows():
   ....:     df2 = pd.DataFrame(df.groupby(['id','value']).reset_index().ix[0])

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

Wenn Sie idals Spalte benötigen :

>>> 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

Um n erste Datensätze zu erhalten, können Sie head () verwenden:

>>> 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

Dies gibt Ihnen die zweite Zeile jeder Gruppe (null indiziert, n-te (0) ist die gleiche wie first ()):

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

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

Ich würde vorschlagen, .nth(0)eher zu verwenden, als .first()wenn Sie die erste Zeile erhalten müssen.

Der Unterschied zwischen ihnen ist , wie sie NaNs handhaben , so .nth(0)wird die erste Zeile der Gruppe zurückkehren , egal , was die Werte in dieser Reihe sind, während .first()schließlich die erste Rückkehr nicht NaN Wert in jeder Spalte.

ZB wenn Ihr Datensatz ist:

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

Und

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

Vielleicht ist es das, was du willst

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

Wenn Sie nur die erste Zeile aus jeder Gruppe benötigen, mit der wir arbeiten können drop_duplicates, beachten Sie die Standardmethode der Funktion 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