Python Pandas：获取DataFrame分组ID首尾记录，单条记录需重复输出

我明白你的需求：需要提取DataFrame中每个ID的首次和末次出现记录，对于只出现一次的ID，要把这条记录同时作为首次和末次记录输出两次。你尝试用data.groupby('ID', as_index=False).nth([0,-1])但遇到了问题——仅出现一次的ID（比如示例中的B）只输出了一次，不符合预期。

先看示例数据构造 #

首先我们还原你的示例数据：

import pandas as pd

data = pd.DataFrame({
    'ID': ['A', 'A', 'A', 'B', 'C', 'C'],
    'Date': ['1/1/2015', '1/5/2016', '1/3/2017', '1/3/2017', '1/5/2016', '1/7/2016']
})

问题原因 #

你使用的nth([0,-1])方法，当组内只有一条记录时，0和-1指向的是同一个位置，pandas会自动去重，所以只会保留一条记录，这就是为什么ID=B只出现一次的原因。

解决方案1：结合head()和tail()合并结果 #

这个方法思路很直接：分别获取每个ID的首次记录（head(1)）和末次记录（tail(1)），然后将两个结果合并，最后按ID排序即可。对于单条记录的组，head和tail都会返回同一条记录，合并后就会出现两次，正好符合需求。

# 获取每个ID的首次出现记录
first_entries = data.groupby('ID', as_index=False).head(1)
# 获取每个ID的末次出现记录
last_entries = data.groupby('ID', as_index=False).tail(1)

# 合并两个结果并按ID排序，重置索引
final_result = pd.concat([first_entries, last_entries]).sort_values('ID').reset_index(drop=True)

执行后输出的结果如下，完全符合你的期望：

ID      Date
0  A  1/1/2015
1  A  1/3/2017
2  B  1/3/2017
3  B  1/3/2017
4  C  1/5/2016
5  C  1/7/2016

解决方案2：自定义分组处理函数 #

如果你更倾向于用分组后自定义逻辑的方式，可以写一个函数来处理每个分组：当分组长度为1时，重复该记录；否则取首尾两条记录。

def process_group(group):
    # 如果组内只有一条记录，返回两次该记录
    if len(group) == 1:
        return pd.concat([group, group])
    # 否则返回首尾两条记录
    else:
        return group.iloc[[0, -1]]

# 应用自定义函数到每个分组
final_result = data.groupby('ID', as_index=False).apply(process_group).reset_index(drop=True)

这个方法也能得到和上面完全一致的结果，适合需要更灵活分组逻辑的场景。

内容的提问来源于stack exchange，提问作者user2552108