如何在Pandas中按自定义分组提取每组首个元素？

我们可以通过自定义分组规则，提取每个目标分组的首个元素，具体步骤如下：

1. 初始化数据 #

import pandas as pd

df = pd.DataFrame({'group': [1, 1, 2, 1, 1], 'value':['a','b','c','d','e']})

2. 构建自定义分组标识 #

先将value列的元素映射到指定分组类别，再通过判断类别变化生成连续的分组ID，确保a/b、c、d/e各自成为独立分组：

# 映射value到对应分组类别
value_group_map = {'a': 'ab_group', 'b': 'ab_group', 'c': 'c_group', 'd': 'de_group', 'e': 'de_group'}
df['temp_group'] = df['value'].map(value_group_map)

# 生成连续分组ID：当前行分组类别与上一行不同时，ID累加1
df['continuous_id'] = (df['temp_group'] != df['temp_group'].shift()).cumsum()

3. 提取每组首个元素 #

按生成的连续分组ID分组，取每组的第一个元素，最后保留需要的列：

result = df.groupby('continuous_id').first().reset_index(drop=True)[['group', 'value']]

验证结果 #

运行后result与预期一致：

print(result)
#    group value
# 0      1     a
# 1      2     c
# 2      1     d

如果想要更简洁的写法，可省去中间列的显式创建：

result = df.groupby(
    (df['value'].map({'a':'g1','b':'g1','c':'g2','d':'g3','e':'g3'}) != 
     df['value'].map({'a':'g1','b':'g1','c':'g2','d':'g3','e':'g3'}).shift()).cumsum()
).first().reset_index(drop=True)[['group', 'value']]

内容的提问来源于stack exchange，提问作者amha