python - 获取 groupby 中的第一个和最后一个值

Question

我有一个数据框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'])

如何获取第一行和最后一行，并按索引的第一级分组？

我试过了

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

得到了

          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

这与我想要的非常接近。如何保留 1 级索引并改为获取此索引:

      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

Answer 1

选项 1

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

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

---

选项 2 - 仅在索引唯一时有效

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

---

选项 3 - 根据下面的注释，这仅在没有 NA 时才有意义

我还滥用了 agg 函数。下面的代码有效，但更难看。

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])

---

注意事项

根据@unutbu:agg(['first', 'last']) 取第一个非 na 值。

我将其解释为，必须逐列运行此列。此外，强制索引 level=1 对齐甚至可能没有意义。

让我们加入另一个测试

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)

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])

果然如此!第二种解决方案是采用 X 列中的第一个有效值。现在强制该值与索引 a 对齐是荒谬的。