Python pandas：获取组的第一个值

Question

我有一份记录的诊断列表，如下所示：df = pd.DataFrame({    "DiagnosisTime": ["2017-01-01 08:23:00", "2017-01-01 08:23:00", "2017-01-01 08:23:03", "2017-01-01 08:27:00", "2019-12-31 20:19:39", "2019-12-31 20:19:39"],    "ID": [1,1,1,1,2,2]})可以通过 来识别多个主题ID。对于每个受试者可能有一个或多个诊断。每个诊断可能由多个条目组成（因为记录了多个内容（不在本例中））。各个诊断（具有多行）可以（在某种程度上）通过DiagnosisTime. 然而，有时在写入一个诊断的数据期间会出现一点延迟，因此我希望在分组时允许几秒钟的小容差DiagnosisTime。在此示例中，我想要的结果如下：1有两个诊断ID：第 0、1、2 行和第 3 行。请注意，DiagnosisTime第 2 行与第 0 行和第 1 行相比略有不同ID。2 由第 4 行和第 5 行组成的 1 个诊断组成。对于每个ID我想将计数器设置回 1（或者 0，如果这样更容易的话）。这就是我已经走了多远：df["DiagnosisTime"] = pd.to_datetime(df["DiagnosisTime"])df["diagnosis_number"] = df.groupby([pd.Grouper(freq='5S', key="DiagnosisTime"), 'ID']).ngroup()我想我成功地识别出其中的诊断ID（不完全确定石斑鱼），但我不知道如何重置计数器。如果这是不可能的，我也会对一个函数感到满意，该函数返回该组中ID具有最低值的记录的所有记录diagnosis_number。

Answer 1

GroupBy.transform您可以使用and添加 lambda 函数factorize：

df["diagnosis_number"] = (df.groupby('ID')['diagnosis_number']

                             .transform(lambda x: pd.factorize(x)[0]) + 1)

print (df)

        DiagnosisTime  ID  diagnosis_number

0 2017-01-01 08:23:00   1                 1

1 2017-01-01 08:23:00   1                 1

2 2017-01-01 08:23:03   1                 1

3 2017-01-01 08:27:00   1                 2

4 2019-12-31 20:19:39   2                 1

5 2019-12-31 20:19:39   2                 1