Mantener otras columnas durante las operaciones de agrupación

Al realizar una operación de agrupación en un marco de datos de pandas, a menudo es necesario conservar las columnas que no involucrados en el proceso de agrupación o agregación. De forma predeterminada, estas otras columnas se eliminan cuando se completa la operación. Esto puede resultar problemático si las columnas retenidas contienen información valiosa.

Considere el siguiente marco de datos:

    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

Si agrupamos el marco de datos por la columna "elemento" y encontramos el valor mínimo de la columna "diff", el marco de datos resultante se vería así:

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

Observe que la columna "otras cosas" se ha eliminado. Para conservar esta columna, podemos usar el método idxmin() para obtener los índices de los elementos de diferencia mínima y luego seleccionarlos:

>>> 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]

Otro método es ordenar el marco de datos por la columna "diff" y luego tomar el primer elemento de cada grupo de elementos:

>>> 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]

Ambos métodos producirán el resultado deseado, conservando la columna "otras cosas". Tenga en cuenta que los índices resultantes pueden ser diferentes aunque el contenido de la fila sea el mismo.