python - 如何在 pandas 中分组和处理优先级提取

Question

现在我想处理数据框

df

A B
1 A0
1 A1
1 B0
2 B1
2 B2
3 B3
3 A2
3 A3

首先，我想按 df.A 分组

子1

A B
1 A0
1 A1
1 B0

其次，我想提取包含字母 A 的第一行

A B
1 A0

如果没有A

子2

A B
2 B1
2 B2

我想提取第一行

A B
2 B1

所以，我想得到下面的结果

A B
1 A0
2 B1
3 A2

我想处理优先级提取，我尝试分组但无法弄清楚。如何处理这个问题？

Answer 1

您可以按列A分组，并为每个组在str.contains("A")上使用idxmax()，然后如果有是 B 列中的 A，它将获取包含字母 A 的第一个索引，否则它将回退到第一行，因为所有值都是 False:

df.groupby("A", as_index=False).apply(lambda g: g.loc[g.B.str.contains("A").idxmax()])

#   A   B
#0  1   A0
#1  2   B1
#2  3   A2

<小时/>

如果您可能有重复的索引，您可以将 numpy.ndarray.argmax() 与 iloc 一起使用，它接受整数作为位置索引:

df.groupby("A", as_index=False).apply(lambda g: g.iloc[g.B.str.contains("A").values.argmax()])

#   A   B
#0  1   A0
#1  2   B1
#2  3   A2