为什么 groupby 中的 first and last 不给我 first and last

Question

我发布此内容是因为该主题刚刚在另一个问题/答案中提出，并且该行为没有得到很好的记录。

考虑数据框df

df = pd.DataFrame(dict(
    A=list('xxxyyy'),
    B=[np.nan, 1, 2, 3, 4, np.nan]
))

   A    B
0  x  NaN
1  x  1.0
2  x  2.0
3  y  3.0
4  y  4.0
5  y  NaN

我想获取由列'A' 定义的每个组的第一行和最后一行。

我试过了

df.groupby('A').B.agg(['first', 'last'])

   first  last
A             
x    1.0   2.0
y    3.0   4.0

但是，这并没有给我预期的np.NaNs。

如何获得每组中的实际第一个和最后一个值？

Answer 1

如here @unutbu 所述：

groupby.first 和 groupby.last 方法分别返回第一个和最后一个非空值。

要获取实际的第一个和最后一个值，请执行以下操作：

def h(x):
    return x.values[0]

def t(x):
    return x.values[-1]

df.groupby('A').B.agg([h, t])

     h    t
A          
x  NaN  2.0
y  3.0  NaN

Answer 2

一种选择是使用.nth 方法：

>>> gb = df.groupby('A')
>>> gb.nth(0)
     B
A
x  NaN
y  3.0
>>> gb.nth(-1)
     B
A
x  2.0
y  NaN
>>>

但是，我还没有找到一种方法来整齐地聚合它们。当然，总是可以使用pd.DataFrame 构造函数：

>>> pd.DataFrame({'first':gb.B.nth(0), 'last':gb.B.nth(-1)})
   first  last
A
x    NaN   2.0
y    3.0   NaN

注意：我明确使用了gb.B属性，否则你必须使用.squeeze