python - 当 as_index=False 时，groupby.first、groupby.nth、groupby.head 之间有什么不同

Question

编辑: @coldspeed、@wen-ben、@ALollz 指出了我在字符串 np.nan 中犯的新手错误。答案很好，所以我不删除这个问题来保留那些答案。

原文:
我读过这个问题/答案 What's the difference between groupby.first() and groupby.head(1)?

该答案解释了差异在于处理 NaN 值。但是，当我用 as_index=False 调用 groupby 时，它们都选择 NaN 很好。

此外，Pandas 有 groupby.nth 功能与 head 和 first

groupby.first()、groupby.nth(0)、groupby.head(1)和as_index=False有什么区别？

示例如下:

In [448]: df
Out[448]:
   A       B
0  1  np.nan
1  1       4
2  1      14
3  2       8
4  2      19
5  2      12

In [449]: df.groupby('A', as_index=False).head(1)
Out[449]:
   A       B
0  1  np.nan
3  2       8

In [450]: df.groupby('A', as_index=False).first()
Out[450]:
   A       B
0  1  np.nan
1  2       8

In [451]: df.groupby('A', as_index=False).nth(0)
Out[451]:
   A       B
0  1  np.nan
3  2       8

我看到 `firs()' 重置了索引，而其他 2 个没有。除此之外，还有什么区别吗？

Answer 1

主要问题是您可能存储了字符串 'np.nan' 而不是真正的空值。以下是这三者如何以不同方式处理 null 值:

示例数据:

import pandas as pd
df = pd.DataFrame({'A': [1,1,2,2,3,3], 'B': [None, '1', np.NaN, '2', 3, 4]})

---

第一个/最后一个

这将返回每个组中的第一个/最后一个非空值。奇怪的是它不会跳过 None，尽管这可以通过 kwarg dropna=True 来实现。因此，您可能会返回最初属于不同行的列的值:

df.groupby('A', as_index=False).first()
#   A     B
#0  1  None
#1  2     2
#2  3     3

df.groupby('A', as_index=False).first(dropna=True)
#   A  B
#0  1  1
#1  2  2
#2  3  3

头(n)/尾(n)

返回组内的前/后 n 行。 值保留在行内。如果你给它一个大于行数的 n，它会返回该组中的所有行而不会提示:

df.groupby('A', as_index=False).head(1)
#   A     B
#0  1  None
#2  2   NaN
#4  3     3

df.groupby('A', as_index=False).head(200)
#   A     B
#0  1  None
#1  1     1
#2  2   NaN
#3  2     2
#4  3     3
#5  3     4

第n个

这采用了 nth 行，因此值再次保持在行内。 .nth(0) 与 .head(1) 相同，尽管它们有不同的用途。例如，如果您需要第 0 行和第 2 行，使用 .head() 很难做到，但使用 .nth([0,2]) 很容易。此外，编写 .head(10) 比编写 .nth(list(range(10)))) 更容易。

df.groupby('A', as_index=False).nth(0)
#   A     B
#0  1  None
#2  2   NaN
#4  3     3

nth 还支持删除具有任何空值的行，因此您可以使用它返回没有任何空值的第一行，这与 .head()

df.groupby('A', as_index=False).nth(0, dropna='any')
#   A  B
#A      
#1  1  1
#2  2  2
#3  3  3