Pandas：迭代已排序列的唯一值

Question

我已经按照顺序构建了一个pandas数据框，并希望迭代具有特定列相同值的组。在我看来，groupby功能对此很有用，但据我所知，执行groupby不会保证键的顺序。如何提取按排序后的唯一列值。

这是一个示例数据框：

Foo,1
Foo,2
Bar,2
Bar,1

我需要一个列表 ["Foo","Bar"]，其顺序由原始数据帧中的顺序保证。然后，我可以使用此列表来提取适当的行。在我的情况下，排序实际上是由数据帧中给定的列定义的（未包含在上面的示例中），因此如果无法直接提取信息，则重新排序的解决方案将被接受。

- Setjmp

---

你能提供一些代码来说明为什么在你的情况下会出现错误吗？我的经验是，在 Pandas 中进行 groupby 后，新的数据框架 与 原始未分组的数据框架的顺序是相同的。如果你能提供一小段构建玩具数据框架、执行分组并显示问题的代码，那将非常有帮助。 - ely

如果您只需要按相同顺序获取列中唯一值的列表，为什么不直接使用以下代码：df.c1.unique()，其中c1是您想要获取唯一值的列名。 - Zelazny7

Answer 1

如评论中所述，您可以在列上使用unique，它将保留顺序（不像numpy的unique，它不会排序）：

In [11]: df
Out[11]: 
     0  1
0  Foo  1
1  Foo  2
2  Bar  2
3  Bar  1

In [12]: df[0].unique()
Out[12]: array(['Foo', 'Bar'], dtype=object)

然后，您可以使用groupby的get_group访问相关行：

In [13]: g = df.groupby([0])

In [14]: g.get_group('Foo')
Out[14]: 
     0  1
0  Foo  1
1  Foo  2    

- Andy Hayden

---

当我尝试使用上面的例子时，我得到了“array未定义”的错误。它在哪里被定义了吗？ - Rohit

@aging_gorrila 这些轮廓是 输出 行（来自 ipython）。DataFrame 是通过读取上面问题中的 csv 定义的，但您自己的也可以。 - Andy Hayden

array 简单地指的是 Pandas 用来存储数据的底层 NumPy ndarray (np.ndarray)。 - craymichael