在熊猫中使用分组方式时，如何将“第一”和“最后”功能应用于列？

Question

我有一个数据框，我想按特定列（或换句话说，按特定列中的值）对它进行分组。我可以通过以下方式进行操作：grouped = df.groupby(['ColumnName'])。

我想象此操作的结果是一个表，其中某些单元格可以包含值集而不是单个值。为了获得一个普通的表（即每个单元格只包含一个值的表），我需要指出要使用什么函数将单元格中的值集转换为单个值。

例如，我可以用值的总和或最小值或最大值代替值集。我能做到这一点的方式如下：grouped.sum()或grouped.min()等等。

现在，我想对不同的列使用不同的功能。我发现可以按照以下方式进行操作：grouped.agg({'ColumnName1':sum, 'ColumnName2':min})。

但是，由于某些原因，我无法使用first。更详细地说，grouped.first()有效，但grouped.agg({'ColumnName1':first, 'ColumnName2':first})无效。因此，我得到一个NameError： NameError: name 'first' is not defined。所以，我的问题是：为什么会发生以及如何解决这个问题。

添加

在这里，我找到了以下示例：

grouped['D'].agg({'result1' : np.sum, 'result2' : np.mean})

可能我还需要使用np吗？但就我而言，python无法识别“ np”。我应该导入吗？

Answer 1

我认为问题在于，有两种first共享名称但行为不同的方法，一种是针对groupby对象，另一种是针对Series /
DataFrame
（与时间序列有关）。

复制GROUPBY的行为first用在数据帧的方法agg，你可以使用iloc[0]（它得到第一行各自组（数据帧/系列）的指数）：

grouped.agg(lambda x: x.iloc[0])

例如：

In [1]: df = pd.DataFrame([[1, 2], [3, 4]])

In [2]: g = df.groupby(0)

In [3]: g.first()
Out[3]: 
   1
0   
1  2
3  4

In [4]: g.agg(lambda x: x.iloc[0])
Out[4]: 
   1
0   
1  2
3  4

类似地，您可以last使用复制iloc[-1]。

注意：这将按列运行，等等：

g.agg({1: lambda x: x.iloc[0]})

在较早版本的熊猫中，您可以使用irow方法（例如x.irow(0)，参见先前的编辑。

几个更新的注释：

最好使用nthgroupby方法来完成，该方法要快得多=>
0.13：

g.nth(0)  # first
g.nth(-1)  # last

您必须 多加注意，因为默认行为是NaN行，first并且last忽略了NaN行…以及IIRC for DataFrame
groupbys在0.13之前被破坏了…有一个dropna选项nth。

您可以使用字符串而不是内置字符串（尽管IIRC pandas发现它是sum内置字符串并适用np.sum）：

grouped['D'].agg({'result1' : "sum", 'result2' : "mean"})