ti-enxame.com

obter o primeiro e o último valores em um groupby

Eu tenho um quadro de dados df

df = pd.DataFrame(np.arange(20).reshape(10, -1),
                  [['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd'],
                   ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']],
                  ['X', 'Y'])

Como obtenho a primeira e a última linha, agrupadas pelo primeiro nível do índice?

Eu tentei

df.groupby(level=0).agg(['first', 'last']).stack()

e pegou

          X   Y
a first   0   1
  last    6   7
b first   8   9
  last   12  13
c first  14  15
  last   16  17
d first  18  19
  last   18  19

Isso é tão perto do que eu quero. Como posso preservar o índice de nível 1 e obter isso:

      X   Y
a a   0   1
  d   6   7
b e   8   9
  g  12  13
c h  14  15
  i  16  17
d j  18  19
  j  18  19
19
Brian

Opção 1

def first_last(df):
    return df.ix[[0, -1]]

df.groupby(level=0, group_keys=False).apply(first_last)

enter image description here


Opção 2 - só funciona se o índice for único

idx = df.index.to_series().groupby(level=0).agg(['first', 'last']).stack()
df.loc[idx]

Opção 3 - por notas abaixo, isso só faz sentido quando não há NAs

Eu também abusei da função agg. O código abaixo funciona, mas é muito mais feio.

df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
    .set_index('level_1', append=True).reset_index(1, drop=True) \
    .rename_axis([None, None])

Nota

por @ unutbu: agg(['first', 'last']) aceita os valores non-na.

Eu interpretei isso como, então deve ser necessário executar esta coluna por coluna. Além disso, forçar o nível do índice = 1 a se alinhar pode nem fazer sentido.

Vamos incluir outro teste

df = pd.DataFrame(np.arange(20).reshape(10, -1),
                  [list('aaaabbbccd'),
                   list('abcdefghij')],
                  list('XY'))

df.loc[Tuple('aa'), 'X'] = np.nan

def first_last(df):
    return df.ix[[0, -1]]

df.groupby(level=0, group_keys=False).apply(first_last)

enter image description here

df.reset_index(1).groupby(level=0).agg(['first', 'last']).stack() \
    .set_index('level_1', append=True).reset_index(1, drop=True) \
    .rename_axis([None, None])

enter image description here

Com certeza! Essa segunda solução está usando o primeiro valor válido na coluna X. Agora não faz sentido forçar esse valor a se alinhar com o índice a.

15
piRSquared

Isso pode ser uma solução fácil.

df.groupby(level = 0, as_index= False).nth([0,-1])

      X   Y
a a   0   1
  d   6   7
b e   8   9
  g  12  13
c h  14  15
  i  16  17
d j  18  19

Espero que isto ajude. (Y)

4
Akarsh Jain

Por favor tente isto:

Para o último valor: df.groupby('Column_name').nth(-1),

Para o primeiro valor: df.groupby('Column_name').nth(0)

0
nat23dip