Pandas中对应R dplyr::first/last分组后子数据集首尾值的实现

当然有，Pandas里可以通过分组后结合transform方法实现和R语言dplyr包中dplyr::first/dplyr::last完全一致的效果——也就是分组后将每组的首/尾元素广播填充到该组的所有行，这和单纯用head(1)只取每组第一行的行为完全不同。

对应R示例的实现代码 #

首先构造和R示例一致的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'value': range(2, 11, 2),
    'id': ['R', 'R', 'C', 'R', 'C']
})

实现dplyr::first的效果

# 给每个分组添加首元素列
df['first_of_subdf'] = df.groupby('id')['value'].transform('first')

执行后得到的结果和R示例完全一致：

实现dplyr::last的效果

同理，要添加每组的尾元素列，只需把'first'换成'last'：

# 给每个分组添加尾元素列
df['last_of_subdf'] = df.groupby('id')['value'].transform('last')

执行后结果：

补充说明 #

• transform('first')本质是对每个分组执行取首元素的操作，然后将结果广播到该组的所有行，这和R中group_by + mutate + first的逻辑完全匹配。
• 也可以用lambda表达式实现等价效果：transform(lambda x: x.iloc[0])，但直接使用字符串'first'/'last'的写法更简洁且性能更优。

内容的提问来源于stack exchange，提问作者Fernando Rocha Urbano