Python在groupby分组后提取指定位置记录

在进行数据分析、数据建模时，我们首先要做的就是对数据进行处理，提取我们需要的信息。下面为大家介绍一些groupby的用法，以便能够更加方便地进行数据处理。

我们往往在使用groupby进行信息提取时，往往是求分组后样本的一些统计量（max、min，var等）。如果现在我们希望取一下分组后样本的第二条记录，倒数第三条记录，这个该如何操作呢？我们可以通过first、last来提取分组后第一条和最后一条样本。但如果我们要取指定位置的样本，就没有现成的函数。需要我们自己去写了。下面我就为大家介绍如何实现上面的功能。

1）数据介绍

action表共有3列：userid、actionType和actionTime，分别代表用户id，用户行为类型和行为发生时间。具体格式如下图所示：



2）分组操作

a = action.groupby('userid')
b = action.groupby('userid')['actionTime']
type(a)
type(b)

分组后我们可以看到a和b的数据类型是DataFrameGroupBy和SeriesGroupBy



3）取数操作

①不同用户第二次/倒数第二次操作时间

action.groupby('userid')['actionTime'].apply(lambda i:i.iloc[1] if len(i)>1 else np.nan)
action.groupby('userid')['actionTime'].apply(lambda i:i.iloc[-2] if len(i)>1 else np.nan)

②不同用户某种行为第二次/倒数第二次操作时间

action[action['actionType']==2].groupby('userid')['actionTime'].apply(lambda i:i.iloc[1] if len(i)>1 else np.nan)
action[action['actionType']==2].groupby('userid')['actionTime'].apply(lambda i:i.iloc[-2] if len(i)>1 else np.nan)

PS：因为有些用户可能只有一条记录，直接取可能会出错，所以我用if先做判断。

这样我们就可以提取分组后数据任意位置的样本了。