Mantendo outras colunas durante operações Groupby

Ao executar uma operação groupby em um dataframe do pandas, muitas vezes é necessário reter colunas que não são envolvidos no processo de agrupamento ou agregação. Por padrão, essas outras colunas são eliminadas quando a operação é concluída. Isso pode ser problemático se as colunas retidas contiverem informações valiosas.

Considere o seguinte quadro de dados:

    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

Se agrupássemos o quadro de dados pela coluna "item" e encontrássemos o valor mínimo da coluna "diff", o quadro de dados resultante ficaria assim:

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

Observe que a coluna "outras coisas" foi eliminada. Para reter esta coluna, podemos usar o método idxmin() para obter os índices dos elementos de diferença mínima e, em seguida, selecionar aqueles:

>>> 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]

Outro método é classificar o quadro de dados pela coluna "diff" e, em seguida, pegar o primeiro elemento em cada grupo de itens:

>>> 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 os métodos produzirão o resultado desejado, mantendo a coluna "outras coisas". Tenha em mente que os índices resultantes podem ser diferentes, mesmo que o conteúdo da linha seja o mesmo.