使用熊猫群只是为了删除重复的项目

Question

我确信这是一个基本的问题，但我无法在这里找到正确的路径。

让我们假设像这样的数据，告诉每个人每周吃多少水果：

    Name    Fruit    Amount
1   Jack    Lemon    3
2   Mary    Banana   6
3   Sophie  Lemon    1
4   Sophie  Cherry   10
5   Daniel  Banana   2
6   Daniel  Cherry   4

现在假设我只想用matplotlib创建一个酒吧小区，显示整个城镇每周吃水果的总量。要做到这一点，我必须靠水果。

在他的书中，熊猫作者将groupby描述为split-apply-combine操作的第一部分：

因此，首先，groupby将DataFrame转换为DataFrameGroupBy对象。然后，使用诸如sum这样的方法，将结果组合成一个新的DataFrame对象。太好了，我现在可以创造我的果子了。

但我面临的问题是，当我不想对每个组成员使用sum、diff或应用任何操作时，会发生什么情况。当我只想使用groupby来保持DataFrame每种水果类型只有一行时会发生什么(当然，对于像这个这样简单的例子，我可以只使用unique获得一个水果列表，但这不是重点)。

如果我这样做，groupby的返回是一个DataFrameGroupBy对象，许多与DataFrame一起工作的操作不使用DataFrameGroupBy。

这个问题，我敢肯定，很容易避免，让我头痛。我如何从DataFrame获得一个groupby，而不必应用任何聚合函数？有没有不同的解决办法，甚至没有使用groupby，因为我失去了在翻译？

Answer 1

如果您只想要一些行，可以使用first() + reset_index的组合-它将保留每个组的第一行：

import pandas as pd

df = pd.DataFrame({'a': [1, 1, 2], 'b': [1, 2, 3]})
>>> df.groupby(df.a).first().reset_index()
    a   b
0   1   1
1   2   3

Answer 2

这一点让我觉得这可能是你正在寻找的答案：

在没有使用groupby的情况下，是否有不同的解决方法？

如果您只想删除基于Fruit的重复行，那么.drop_duplicates就是最好的选择。

df.drop_duplicates(subset='Fruit')

     Name   Fruit  Amount
1    Jack   Lemon       3
2    Mary  Banana       6
4  Sophie  Cherry      10

对于保留哪些行有有限的控制，请参阅docstring。

这比groupby + first更快、更易读。

Answer 3

您可以使用pivot_table来返回DataFrame

In [140]: df.pivot_table(index='Fruit')
Out[140]:
        Amount
Fruit
Banana       4
Cherry       7
Lemon        2

In [141]: type(df.pivot_table(index='Fruit'))
Out[141]: pandas.core.frame.DataFrame

如果要保留第一个元素，可以定义函数并将其传递给aggfunc参数：

In [144]: df.pivot_table(index='Fruit', aggfunc=lambda x: x.iloc[0])
Out[144]:
        Amount    Name
Fruit
Banana       6    Mary
Cherry      10  Sophie
Lemon        3    Jack

如果不希望Fruit成为索引，也可以使用reset_index

In [147]: df.pivot_table(index='Fruit', aggfunc=lambda x: x.iloc[0]).reset_index()
Out[147]:
    Fruit  Amount    Name
0  Banana       6    Mary
1  Cherry      10  Sophie
2   Lemon       3    Jack