熊猫数据筛选数据清理后组

Question

我是熊猫的新手，我想知道如何通过只提取行的一部分来清理数据。假设我有如下数据：

column1      date    key
A            2016    SB
A            2017    B
B            2015    SB
C            2014    SB
C            2014    PB
C            2015    B
C            2016    SB

如何清理数据，以便对于每个相同的column1值，我只提取前两行值，而忽略其余的值(例如，对于C值，只有2014年SB和2014年PB是我得到的)？

column1      date    key
A            2016    SB
A            2017    B
B            2015    SB
C            2014    SB
C            2014    PB

谢谢

Answer 1

您需要GroupBy.head，也可以检查文档

df = df.groupby('column1').head(2)
print (df)
  column1  date key
0       A  2016  SB
1       A  2017   B
2       B  2015  SB
3       C  2014  SB
4       C  2014  PB

Answer 2

In [82]: df.loc[df.groupby('column1').cumcount().lt(2)]
Out[82]:
  column1  date key
0       A  2016  SB
1       A  2017   B
2       B  2015  SB
3       C  2014  SB
4       C  2014  PB

Answer 3

很沮丧@MaxU的陈述是多么真实..。我想出了一个荒谬的解决方案。

df.groupby('column1').head(2) 很难超越这个..。;) - MaxU

df.drop_duplicates('column1').append(
    df[df.duplicated('column1')].drop_duplicates('column1')
)

  column1  date key
0       A  2016  SB
2       B  2015  SB
3       C  2014  SB
1       A  2017   B
4       C  2014  PB