Beibehalten anderer Spalten während Groupby-Vorgängen

Beim Durchführen einer Groupby-Operation für einen Pandas-Datenrahmen ist es häufig erforderlich, Spalten beizubehalten, die nicht vorhanden sind am Gruppierungs- oder Aggregationsprozess beteiligt sind. Standardmäßig werden diese anderen Spalten gelöscht, wenn der Vorgang abgeschlossen ist. Dies kann problematisch sein, wenn die beibehaltenen Spalten wertvolle Informationen enthalten.

Bedenken Sie den folgenden Datenrahmen:

    item    diff   otherstuff
   0   1       2            1
   1   1       1            2
   2   1       3            7
   3   2      -1            0
   4   2       1            3
   5   2       4            9
   6   2      -6            2
   7   3       0            0
   8   3       2            9

Wenn wir den Datenrahmen nach der Spalte „item“ gruppieren und den Mindestwert der Spalte „diff“ ermitteln würden, würde der resultierende Datenrahmen so aussehen:

    item   diff
   0   1      1           
   1   2     -6           
   2   3      0                 

Beachten Sie, dass die Spalte „otherstuff“ gelöscht wurde. Um diese Spalte beizubehalten, können wir die Methode idxmin() verwenden, um die Indizes der Elemente mit minimalem Diff abzurufen, und diese dann auswählen:

>>> df.loc[df.groupby("item")["diff"].idxmin()]
   item  diff  otherstuff
1     1     1           2
6     2    -6           2
7     3     0           0

[3 rows x 3 columns]

Eine andere Methode besteht darin, den Datenrahmen nach der Spalte „diff“ zu sortieren und dann das erste Element in jeder Elementgruppe zu verwenden:

>>> df.sort_values("diff").groupby("item", as_index=False).first()
   item  diff  otherstuff
0     1     1           2
1     2    -6           2
2     3     0           0

[3 rows x 3 columns]

Beide Methoden führen zum gewünschten Ergebnis, behalten aber die Spalte „andere Dinge“ bei. Beachten Sie, dass die resultierenden Indizes unterschiedlich sein können, obwohl der Zeileninhalt derselbe ist.