as_index = False时，groupby.first，groupby.nth，groupby.head有什么区别

Question

编辑： 我在np.nan@ coldspeed，@ wen-ben，@
ALollz指出的字符串中犯的菜鸟错误。答案非常好，因此我不会删除此问题以保留这些答案。

原文：
我已经阅读了这个问题/答案groupby.first（）和groupby.head（1）有什么区别？

该答案说明差异在于处理NaN价值上。但是，当我打电话给groupby时as_index=False，他们俩都选择了NaN。

此外，Pandas具有groupby.nth与和类似的功能head，并且first

有什么差异groupby.first(), groupby.nth(0), groupby.head(1)有as_index=False？

下面的例子：

In [448]: df
Out[448]:
   A       B
0  1  np.nan
1  1       4
2  1      14
3  2       8
4  2      19
5  2      12

In [449]: df.groupby('A', as_index=False).head(1)
Out[449]:
   A       B
0  1  np.nan
3  2       8

In [450]: df.groupby('A', as_index=False).first()
Out[450]:
   A       B
0  1  np.nan
1  2       8

In [451]: df.groupby('A', as_index=False).nth(0)
Out[451]:
   A       B
0  1  np.nan
3  2       8

我看到`firs（）’重置了索引，而其他2则没有。除此之外，还有什么区别吗？

Answer 1

主要问题是您可能'np.nan'存储了字符串，而不是真正的null值。以下是这三个null值的不同处理方式：

样本数据：

import pandas as pd
df = pd.DataFrame({'A': [1,1,2,2,3,3], 'B': [None, '1', np.NaN, '2', 3, 4]})

---

first

这将返回每个组中的第一个非空值。奇怪的是它不会跳过None，尽管可以通过kwarg来实现dropna=True。因此，
您可能会返回原来属于不同行的列的值 ：

df.groupby('A', as_index=False).first()
#   A     B
#0  1  None
#1  2     2
#2  3     3

df.groupby('A', as_index=False).first(dropna=True)
#   A  B
#0  1  1
#1  2  2
#2  3  3

head(n)

返回组中的前n行。 值保持在行内 。如果您给它的n行数超过了行数，它将返回该组中的所有行而不会抱怨：

df.groupby('A', as_index=False).head(1)
#   A     B
#0  1  None
#2  2   NaN
#4  3     3

df.groupby('A', as_index=False).head(200)
#   A     B
#0  1  None
#1  1     1
#2  2   NaN
#3  2     2
#4  3     3
#5  3     4

nth：

这占用了nth行，因此 值 再次 保持在row内
。.nth(0)与相同.head(1)，但用途不同。例如，如果您需要第0行和第2行，则很难做到.head()，而使用则容易.nth([0,2])。同样，它.head(10)比容易编写.nth(list(range(10))))。

df.groupby('A', as_index=False).nth(0)
#   A     B
#0  1  None
#2  2   NaN
#4  3     3

nth 还支持删除具有任何空值的行，因此您可以使用它返回不包含任何空值的第一行，这与 .head()

df.groupby('A', as_index=False).nth(0, dropna='any')
#   A  B
#A      
#1  1  1
#2  2  2
#3  3  3