Python 获取每个组第一次出现的条件的列值

我有一个熊猫数据框，如下所示：

player  condition   num
A       0           1
A       1           2
A       1           3
B       0           1
B       0           2
B       1           3
B       0           4

我想添加一个列来存储

num

列的最小值，其中每

player

的

条件

列为1

因此，结果应如下所示：

player  condition   num  numCondition
A       0           1    2
A       1           2    2
A       1           3    2
B       0           1    3
B       0           2    3
B       1           3    3
B       0           4    3

我知道我需要一个

groupBy（）

per

player

。然后我需要一个

apply（）

，可能需要使用

lambda（）

函数。但我还不能把这些碎片拼在一起

---

编辑：在我的示例中，

条件

列是一种简化。实际上，应该可以使用通常的数据帧查询来过滤行。例如，

df[（df.condition==1）和（df.otherCondition>10）]

首先聚合，然后在

播放器上加入
df
：

df.join(
    df.groupby('player')
      .apply(lambda g: g.num[g.condition == 1].min())
      .rename('numCondition'), 
on='player')

# player  condition   num   numCondition
#0     A          0     1   2
#1     A          1     2   2
#2     A          1     3   2
#3     B          0     1   3
#4     B          0     2   3
#5     B          1     3   3
#6     B          0     4   3

首先聚合，然后在
player
上使用
df
加入：

df.join(
    df.groupby('player')
      .apply(lambda g: g.num[g.condition == 1].min())
      .rename('numCondition'), 
on='player')

# player  condition   num   numCondition
#0     A          0     1   2
#1     A          1     2   2
#2     A          1     3   2
#3     B          0     1   3
#4     B          0     2   3
#5     B          1     3   3
#6     B          0     4   3

通过使用
删除重复项

df.player.map(df[df.condition==1].drop_duplicates(['player'],keep='first').set_index('player').num)
    Out[221]: 
    0    2
    1    2
    2    2
    3    3
    4    3
    5    3
    6    3
    Name: player, dtype: int64

df['numCondition']=df.player.map(df[df.condition==1].drop_duplicates(['player'],keep='first').set_index('player').num)
df
Out[223]: 
  player  condition  num  numCondition
0      A          0    1             2
1      A          1    2             2
2      A          1    3             2
3      B          0    1             3
4      B          0    2             3
5      B          1    3             3
6      B          0    4             3

通过使用
删除重复项

df.player.map(df[df.condition==1].drop_duplicates(['player'],keep='first').set_index('player').num)
    Out[221]: 
    0    2
    1    2
    2    2
    3    3
    4    3
    5    3
    6    3
    Name: player, dtype: int64

df['numCondition']=df.player.map(df[df.condition==1].drop_duplicates(['player'],keep='first').set_index('player').num)
df
Out[223]: 
  player  condition  num  numCondition
0      A          0    1             2
1      A          1    2             2
2      A          1    3             2
3      B          0    1             3
4      B          0    2             3
5      B          1    3             3
6      B          0    4             3

如果某一组从未满足该条件，会发生什么？也就是说，在一组中从来没有值
1
？它为该玩家提供所有
NaN
s。
numCondition
列中的
NaN
s？如果是，更换
NaN
s的最快方法是什么？是。这就是它在版本
'0.20.3'
上的行为。您想用什么替换它？您应该能够使用
fillna（0）
来执行此操作，如果要将
NaN
s替换为零。如果一个组从未满足此条件，会发生什么情况？也就是说，在一组中从来没有值
1
？它为该玩家提供所有
NaN
s。
numCondition
列中的
NaN
s？如果是，更换
NaN
s的最快方法是什么？是。这就是它在版本
'0.20.3'
上的行为。您想用什么替换它？如果您想用zero.thx替换
NaN
s，您应该可以使用
fillna（0）
say来执行此操作！如果某一组从未满足该条件，会发生什么？也就是说，一个组中从来没有值1？@beta将是NaN替换NaN，可以通过
replace
或
fillna
thx！如果某一组从未满足该条件，会发生什么？也就是说，一个组中从来没有值1？@beta将是NaN替换NaN，可以通过
replace
或
fillna