基于字段的子集数据帧

Question

mukey   cokey     hzdept_r  hzdepb_r
422927  11090397    0        20
422927  11090397    20       71
422927  11090397    71       152
422927  11090398    0        18
422927  11090398    18       117
422927  11090398    117      152

我想对上面的数据帧进行子集划分，以便只选择第一组cokey（在本例中为11090397）。当然，因为这是一个示例数据集，所以解决方案需要扩展到这种数据帧的更大版本。你知道吗

在这种情况下，生成的数据集应该是：

mukey   cokey     hzdept_r  hzdepb_r
422927  11090397    0        20
422927  11090397    20       71
422927  11090397    71       152

我尝试过使用groupby，但不知道如何从中只选择第一个cokey值。你知道吗

Answer 1

如果df是示例数据帧：

cokeys = set(df.cokey) #unique keys
for k in cokeys:
    print df[df.cokey==k] #sub-dataframes

结果：

    mukey     cokey  hzdept_r  hzdepb_r
0  422927  11090397         0        20
1  422927  11090397        20        71
2  422927  11090397        71       152
    mukey     cokey  hzdept_r  hzdepb_r
3  422927  11090398         0        18
4  422927  11090398        18       117
5  422927  11090398       117       152

如果您真的只想要第一个数据帧，那么让k=df.iloc[0].cokey。你知道吗

Answer 2

另一种方法是只取第一个唯一值：

In [97]:

df[df['cokey'] == df['cokey'].unique()[0]]
Out[97]:
    mukey     cokey  hzdept_r  hzdepb_r
0  422927  11090397         0        20
1  422927  11090397        20        71
2  422927  11090397        71       152

您还可以使用基于整数的索引来获取第一个筛选值：

In [99]:

df[df['cokey'] == df['cokey'].iloc[0]]
Out[99]:
    mukey     cokey  hzdept_r  hzdepb_r
0  422927  11090397         0        20
1  422927  11090397        20        71
2  422927  11090397        71       152

Answer 3

如果要查找与df中的第一个cokey相等的df中的第一个cokey，请使用：

test[test['cokey'] == test.cokey[0]]

编辑： @dsm是对的，上面的代码会给你索引0的cokey，所以如果你的df没有一个从0开始的自动增量索引，你可能得不到真正想要的结果。而是使用：

test[test['cokey'] == test.iloc[0]['cokey']]