获取数据帧第一行的正确方法是什么？

Question

我使用这段代码获取dataframe中速度为0的数据，然后根据纬度、经度、年、月和日对dataframe进行分组。分组后，获取每组的第一个upload_time_add_8hour和最后一个。如果第一组和最后一组upload_time_add_8hour相差超过5分钟，则获取每组的第一行数据，最后将这些数据保存到csv中。upload_time_add_8hourupload_time_add_8hour我认为我的代码不够简洁。我用来df_first_row  = sub_df.iloc[0:1,:]获取数据框中的第一行，我使用upload_time_add_8hour_first = sub_df['upload_time_add_8hour'].iloc[0]和upload_time_add_8hour_last = sub_df['upload_time_add_8hour'].iloc[-1]来获取特定列的第一个元素和最后一个元素。有没有更合适的方法呢？

Answer 1

要获取列的第一个和最后一个元素，您的选择已经是最有效/正确的方法。

为了获得第一行，我个人更喜欢使用 DataFrame.head(1)，因此对于您的代码，如下所示：

df_first_row  = sub_df.head(1)

我没有研究 head() 方法在 Pandas 中是如何定义的及其性能影响，但在我看来，它提高了可读性并减少了与索引的一些潜在混淆。

在其他示例中，您可能还会找到sub_df.iloc[0]，但此选项将返回 ，pandas.Series其中包含 DataFrame 列名称的索引。 sub_df.head(1)将返回一个 1 行 DataFrame，其结果与sub_df.iloc[0:1,:]

Answer 2

你的出路要么是groupby().agg要么df. agg

如果您需要它，您可以根据设备

#sub_df.groupby('device_id')['upload_time_add_8hour'].agg(['first','last'])

sub_df.groupby('device_id')['upload_time_add_8hour'].agg([('upload_time_add_8hour_first','first'),('upload_time_add_8hour_last ','last')]).reset_index()

device_id upload_time_add_8hour_first    upload_time_add_8hour_last 

0       1101              10/1/2020 0:03             10/7/2020 13:04

如果您不希望按照设备使用它，也许可以尝试

sub_df['upload_time_add_8hour'].agg({'upload_time_add_8hour_first': lambda x: x.head(1),'upload_time_add_8hour_last': lambda x: x.tail(1)})

upload_time_add_8hour_first  0      10/1/2020 0:03

upload_time_add_8hour_last   19    10/7/2020 13:04