Python - 熊猫：选择每个组的第一个观察者

Question

我想用我的前代码代码修改为Python，使用dataframe框架。 在SAS我经常使用这种类型的代码（假设列由GROUP_ID其中GROUP_ID取值为1到10，其中有每个GROUP_ID多次观测排序）：

data want;set have; 
by group_id; 
if first.group_id then c=1; else c=0; 
run; 

所以发生的事情在这里的是我选择每个ID的第一个观察值，然后创建一个新变量c，其值为1和0。该数据集是这样的：

group_id c 
1  1 
1  0 
1  0 
2  1 
2  0 
2  0 
3  1 
3  0 
3  0 

如何使用dataframe我做到这一点在Python？假设我只从group_id矢量开始。

Answer 1

如果您使用0.13+可以使用cumcount GROUPBY方法：

In [11]: df 
Out[11]: 
    group_id 
0   1 
1   1 
2   1 
3   2 
4   2 
5   2 
6   3 
7   3 
8   3 

In [12]: df.groupby('group_id').cumcount() == 0 
Out[12]: 
0  True 
1 False 
2 False 
3  True 
4 False 
5 False 
6  True 
7 False 
8 False 
dtype: bool 

您可以强制D型为int而不是布尔：

In [13]: df['c'] = (df.groupby('group_id').cumcount() == 0).astype(int)