pandas.core.groupby.SeriesGroupBy.first #

系列分组依据。首先（numeric_only = False， min_count = -1， skipna = True）[来源] #

计算每组中每列的第一个条目。

默认跳过 NA 元素。

参数：

numeric_only布尔值，默认 False: 仅包含 float、int、boolean 列。
min_count int，默认-1: 执行操作所需的有效值数量。如果存在的有效值少于min_count有效值，则结果将为 NA。
Skipna布尔值，默认 True: 排除 NA/null 值。如果整行/列为 NA，则结果将为 NA。

2.2.1 版本中的新增功能。

返回：

系列或数据框: 每组中的第一个值。

也可以看看

DataFrame.groupby: 将函数 groupby 应用于 DataFrame 的每一行或每一列。
pandas.core.groupby.DataFrameGroupBy.last: 计算每列的最后一个非空条目。
pandas.core.groupby.DataFrameGroupBy.nth: 从每组中取出第 n 行。

例子

>>> df = pd.DataFrame(dict(A=[1, 1, 3], B=[None, 5, 6], C=[1, 2, 3],
...                        D=['3/11/2000', '3/12/2000', '3/13/2000']))
>>> df['D'] = pd.to_datetime(df['D'])
>>> df.groupby("A").first()
     B  C          D
A
1  5.0  1 2000-03-11
3  6.0  3 2000-03-13
>>> df.groupby("A").first(min_count=2)
    B    C          D
A
1 NaN  1.0 2000-03-11
3 NaN  NaN        NaT
>>> df.groupby("A").first(numeric_only=True)
     B  C
A
1  5.0  1
3  6.0  3