Python Groupby，apply函数并将结果合并到dataframe中

我想按类型列对ID进行分组，并在分组股票上应用一个函数，该函数返回分组股票的值列不是NaN的第一行，并将其复制到单独的数据框中

到目前为止，我得到了以下信息：

dummy data: 

df1 = {'Date': ['04.12.1998','05.12.1998','06.12.1998','04.12.1998','05.12.1998','06.12.1998'],
        'Type': [1,1,1,2,2,2],
           'Value': ['NaN', 100, 120, 'NaN', 'NaN', 20]}
df2 = pd.DataFrame(df1, columns = ['Date', 'Type', 'Value'])

print (df2)
         Date  Type Value
0  04.12.1998     1   NaN
1  05.12.1998     1   100
2  06.12.1998     1   120
3  04.12.1998     2   NaN
4  05.12.1998     2   NaN
5  06.12.1998     2    20

import pandas as pd

selectedStockDates = {'Date': [], 'Type': [], 'Values': []}
selectedStockDates = pd.DataFrame(selectedStockDates, columns = ['Date', 'Type', 'Values'])

first_valid_index = df2[['Values']].first_valid_index()

selectedStockDates.loc[df2.index[first_valid_index]] = df2.iloc[first_valid_index]

---

上面的代码应该适用于第一个id，但我很难将其应用于数据帧中的所有id。有人知道怎么做吗？

只需先使用

groupby

和

first

，但您需要确保空值是

np.nan

，而不是示例数据中的字符串：

df2.groupby('Type')['Value'].first()

---

让我们

mask

数据框中的值，其中

Value

列中的值为

NaN

，然后

groupby

在

上键入

并使用

首先进行聚合：

df2['Value'] = pd.to_numeric(df2['Value'], errors='coerce')
df2.mask(df2['Value'].isna()).groupby('Type', as_index=False).first()


谢谢，这有助于找到每个股票的第一个日期。但我最初的想法是将指数保留在新的数据框中，稍后简单地加上+7，以找到一只股票的第7个值。例如，谢谢，这有助于找到每只股票的第一个日期。我最初的想法是将指数保留在新的数据框架中，简单地将+7添加到指数中，以找到一只股票的第7个值。我已经澄清了我上面的例子。@Rbeginner在这种情况下，我认为你可以做类似于
df2.reset_index（）.mask（df2['Value'].isna（））.groupby（'Type'，as_index=False.）.first（）.set_index（'index'）
如何使用你的注释代码获得该股票的第七个交易日？那么在代码行的哪一行我可以加上+7，这样索引加起来就是第7天？提前谢谢大家的讨论
   Type        Date  Value
0   1.0  05.12.1998  100.0
1   2.0  06.12.1998   20.0