Python - Pandas：选择每组的第一个观察值

Question

我想使用 dataframe 框架将我以前的 SAS 代码改编为 Python。 在 SAS 中，我经常使用这种类型的代码（假设列按 group_id 排序，其中 group_id 取值 1 到 10，其中每个 group_id 有多个观察值）：

data want;set have;
by group_id;
if first.group_id then c=1; else c=0;
run;

所以这里发生的事情是，我为每个 id 选择第一个观察值，并创建一个新变量 c，它的值为 1 和 0 为其他值。数据集如下所示：

group_id c
1        1  
1        0
1        0
2        1
2        0
2        0
3        1
3        0
3        0

如何在 Python 中使用 dataframe 执行此操作？假设我只从group_id 向量开始。

Answer 1

如果您使用的是 0.13+，则可以使用 cumcount groupby 方法：

In [11]: df
Out[11]: 
   group_id
0         1
1         1
2         1
3         2
4         2
5         2
6         3
7         3
8         3

In [12]: df.groupby('group_id').cumcount() == 0
Out[12]: 
0     True
1    False
2    False
3     True
4    False
5    False
6     True
7    False
8    False
dtype: bool

您可以强制 dtype 为 int 而不是 bool：

In [13]: df['c'] = (df.groupby('group_id').cumcount() == 0).astype(int)