Python：为DataFrame中每组的首个观察值赋值

Question

为什么在Python中，使用Pandas时，我们不能用以下方法给每个组的第一个观察值赋值呢？

df['A'].groupby(df.ID).first()==0

or

df['A'].groupby(df.ID).first()==np.nan

这里的DataFrame看起来是这样的：

ID  A  
1   2
1   1
1   .45
2   .14
2   3
2   4

换句话说，我想要的是

ID  A  
1   0 or NaN
1   1
1   .45
2   0 or NaN
2   3
2   4

虽然我已经安装了Pandas 0.13，但cumcount对我来说不起作用。就像其他人一样，Pandas 0.13安装时出现了错误，我想避免处理Pandas 0.13的问题。

Answer 1

你可能会得到你想要的结果，如果你把它赋值给一个新的数据框（df），或者直接在原来的数据框上进行修改...比如这样写：df.replace(1.5, nan, inplace=True)

Answer 2

In [24]: df = read_csv(StringIO(data),sep='\s+')

In [25]: df
Out[25]: 
   ID     A
0   1  2.00
1   1  1.00
2   1  0.45
3   2  0.14
4   2  3.00
5   2  4.00

[6 rows x 2 columns]

In [26]: df.loc[df.groupby('ID',as_index=False).head(1).index,'A'] = np.nan

In [27]: df
Out[27]: 
   ID     A
0   1   NaN
1   1  1.00
2   1  0.45
3   2   NaN
4   2  3.00
5   2  4.00

[6 rows x 2 columns]

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。