Groupby 操作中の他の列の維持

pandas データフレームで groupby 操作を実行する場合、多くの場合、そうでない列を保持する必要があります。グループ化または集約プロセスに関与します。デフォルトでは、これらの他の列は操作が完了すると削除されます。保持された列に貴重な情報が含まれている場合、これは問題となる可能性があります。

次のデータ フレームを考えてみましょう:

    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

データ フレームを「item」列でグループ化し、「diff」列の最小値を見つけると、結果のデータ フレームは次のようになります。

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

「otherstuff」列が削除されていることに注意してください。この列を保持するには、idxmin() メソッドを使用して最小 diff の要素のインデックスを取得し、それらを選択します。

>>> 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]

もう 1 つの方法は、データ フレームを「diff」列でソートし、各項目グループの最初の要素を取得することです:

>>> 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]

これらの方法はどちらも、「otherstuff」列を保持したまま、目的の結果を生成します。行の内容が同じであっても、結果のインデックスは異なる場合があることに注意してください。