Python Pandas-查找多索引中某一级别值最小的行

因此，我有一个带有多索引的数据帧，它看起来像这样：

                               info1 info2       info3
abc-8182 2012-05-08 10:00:00       1   6.0     "yeah!"
         2012-05-08 10:01:00       2  25.0        ":("
pli-9230 2012-05-08 11:00:00       1  30.0  "see yah!"    
         2012-05-08 11:15:00       1  30.0  "see yah!"    

...

索引是一个id和一个日期时间，表示记录有关该id的信息的时间。我们需要做的是为每个id找到最早的记录。我们从dataframe方法中尝试了很多选项，但最终通过循环数据帧来实现：

df = pandas.read_csv(...)
empty = pandas.DataFrame()
ids = df.index.get_level_values(0)
for id in ids:
    minDate  = df.xs(id).index.min()
    row = df.xs(id).xs(minDate)
    mindf = pandas.DataFrame(row).transpose()
    mindf.index = pandas.MultiIndex.from_tuples([(id, mindate)])
    empty = empty.append(mindf)

print empty.groupby(lambda x : x).first()

这给了我：

                                               x0  x1        x2
('abc-8182', <Timestamp: 2012-05-08 10:00:00>)  1   6     yeah!
('pli-9230', <Timestamp: 2012-05-08 11:00:00>)  1  30  see yah!

x0-x1-x2
（'abc-8182'，）16耶！
（‘pli-9230’，）130见耶！

我觉得必须有一种简单的“熊猫习语”，非常直接的方法来做到这一点，而不必像这样在数据帧中循环。有吗？：）

---

谢谢。

要获得每组中的第一项，您可以执行以下操作：

df.reset_index(level=1).groupby(level=0).first()

这将在按groupby对组进行分组之前将datetime字段删除到列中，因此它将保留在结果的数据帧中

如果需要确保保留最早的时间，可以在首先调用

之前进行排序：

df.reset_index(level=1).sort_index(by="datetime").groupby(level=0).first()

要获取每组中的第一项，您可以执行以下操作：

df.reset_index(level=1).groupby(level=0).first()

这将在按groupby对组进行分组之前将datetime字段删除到列中，因此它将保留在结果的数据帧中

如果需要确保保留最早的时间，可以在首先调用
之前进行排序：

df.reset_index(level=1).sort_index(by="datetime").groupby(level=0).first()

你在开玩笑，就这么简单！！哈哈哈。即使日期没有排序？有没有办法对它们进行排序？我试过了，但它只是返回了完全相同的数据帧。如果我使用
df.sort（）.groupby（level=[0]）.first（）
它有点像我想要的，但是我丢失了我需要的日期信息。如果你有一个多索引，其中level 0有'abc-8182'这样的值，level 1有timeseries值，那么上面的代码应该删除重复的行，并在你的示例中保留第一行。你是说那没有发生？没有。检查groupby的结果，我在每个组中都有一个项目。由于每个索引项都是唯一的（每个id只有一个datetime），因此两个级别的分组似乎都会导致这种情况。我认为我们正在研究不同的数据帧。如果每个索引都是唯一的，则按两个索引进行分组肯定只会在每个组中包含一项。如果是这样的话，如果这是您想要的结果，那么改为按级别分组=0。对不起，如果我误解了你的意思。你在开玩笑，就是这么简单！！哈哈哈。即使日期没有排序？有没有办法对它们进行排序？我试过了，但它只是返回了完全相同的数据帧。如果我使用
df.sort（）.groupby（level=[0]）.first（）
它有点像我想要的，但是我丢失了我需要的日期信息。如果你有一个多索引，其中level 0有'abc-8182'这样的值，level 1有timeseries值，那么上面的代码应该删除重复的行，并在你的示例中保留第一行。你是说那没有发生？没有。检查groupby的结果，我在每个组中都有一个项目。由于每个索引项都是唯一的（每个id只有一个datetime），因此两个级别的分组似乎都会导致这种情况。我认为我们正在研究不同的数据帧。如果每个索引都是唯一的，则按两个索引进行分组肯定只会在每个组中包含一项。如果是这样的话，如果这是您想要的结果，那么改为按级别分组=0。抱歉，如果我误解了您的目的。如果您的数据已经按照此处所示及时排序[-然后删除重复项自动选择重复行中的“第一个”我必须通过列才能删除重复项，对吗？但是我要删除的重复项位于索引的某个级别，而不是列。我做了
df['id']=df.index.get_level_values（0）
比
df.drop_duplicates（'id'）
有效。它更好，但感觉还是很粗糙。df.reset_index（）会将索引值作为列插入。但我同意下面的答案似乎更正确这正是我需要的：
df2.reset_index（）。set_index（'id'）。sort（'datetime'）。groupby（lambda x:x）.agg（lambda x:x[0]）
如果您的数据已按此处所示及时排序[-然后删除重复项自动选择重复行中的“第一个”我必须通过列才能删除重复项，对吗？但我要删除的重复项位于索引的一个级别，而不是列。我做了
df['id']=df.index.get_level_values（0）
比
df.drop_duplicates（'id'）
有效。它更好，但感觉还是很粗糙。df.reset_index（）会将索引值作为列插入。但我同意下面的答案似乎更正确这正是我需要的：
df2.reset_index（）。set_index（'id'）。sort（'datetime'）。groupby（λx:x）.agg（λx:x[0]）