python - 两列第一个位置的 NaN(按每个唯一值)

Question

我正在尝试将数据帧中每个唯一 ID 的第一个观察结果更改为 NaN。我正在使用时间戳和坐标点的数据帧，这些数据帧已按唯一 ID 和时间戳排序。

示例:

    ID        timestamp   latitude  longitude
0    1   6/9/2017 11:20  38.795333  77.008883
1    1   6/9/2017 13:10  38.889011  77.050061
2    1   6/9/2017 16:23  40.748249  73.984191
3    2  6/11/2017 08:35  38.920602  77.222329
4    2  6/11/2017 10:00  42.366211  71.020943
5    2  6/11/2017 20:00  38.897416  77.036833
6    2  6/12/2017 07:30   38.851426  77.042298
7    2  6/12/2017 10:20  38.917346  77.222553
8    3  6/11/2017 09:01  40.782869  73.967544
9    3  6/11/2017 10:03  38.954268  77.449695
10   3  6/11/2017 11:48  38.872875  77.007763
11   3  6/12/2017 11:52  40.776931  73.876155

尝试:

df['latitude'] =\
 df.groupby('ID')['latitude'].apply(lambda x: x[0].np.nan)
df['longitude'] =\
 df.groupby('ID')['longitude'].apply(lambda x: x[0].np.nan)

我怀疑虽然df已经分组了，但我仍然需要使用groupby来按每个唯一的ID进行操作。我无法思考如何访问每个第一个值，然后将它们替换为 NaN。

这给出了错误: key 错误:0

这是所需的输出:

        ID        timestamp   latitude  longitude
    0    1   6/9/2017 11:20        NaN       NaN
    1    1   6/9/2017 13:10  38.889011  77.050061
    2    1   6/9/2017 16:23  40.748249  73.984191
    3    2  6/11/2017 08:35        NaN       NaN
    4    2  6/11/2017 10:00  42.366211  71.020943
    5    2  6/11/2017 20:00  38.897416  77.036833
    6    2  6/12/2017 07:30   38.851426  77.042298
    7    2  6/12/2017 10:20  38.917346  77.222553
    8    3  6/11/2017 09:01        NaN       NaN
    9    3  6/11/2017 10:03  38.954268  77.449695
    10   3  6/11/2017 11:48  38.872875  77.007763
    11   3  6/12/2017 11:52  40.776931  73.876155

编辑(为什么这样做？):

我正在尝试改编此版本 this answer to calculate distance and velocity 。一切都很好，除了每个值的每个纬度/经度的第一个值都是错误的，因为该函数在行上计算，不区分 ID。看看不同的解决方案，我怀疑我需要类似 this 的东西...使用 concat 和 shift 计算速度和距离。不过，这对我来说很难概念化 - 所以我认为仅替换这些值会比编辑和重新运行更简单 - 这就是为什么我提出这个问题。

Answer 1

由于您的 df 已按 ID 列排序，因此您可以使用以下技巧将每个唯一 ID 的第一次出现作为 bool 掩码:

mask = df.ID != df.ID.shift()

然后将对应的数据设置为NaN

df.loc[mask, ['latitude', 'longitude']] = np.nan