python - Pandas:在每个 id 的一列中第一次出现值后删除行

Question

我使用的数据框如下所示:

ID Alarm
1   1
1   2
1   3
2   3
2   1
2   2
2   4
3   4
3   2

在第一次出现 Alarm = 2 后，我想分别删除每个 ID 的所有行。因此输出应该是:

ID Alarm
1   1
1   2
2   3
2   1
2   2
3   4
3   2

最简单的方法是什么？这种情况下是否存在 pandas 方法？我尝试用 loc 制作一些东西:df.loc[: df[(df['Alarm'] == 2)].index[0], :]) 但它在第一次 Alarm = 2 出现后删除所有行，与 ID 无关。

Answer 1

您可以使用 boolean indexing使用由 groupby 创建的 mask具有自定义功能。

对于每组首先比较shift值，因为需要首先包含 2。然后用eq比较2 .但还需要在每组 2 下匹配多个值，所以需要 cumsum并与 0 进行比较 - False 行被删除。

df = df[df.groupby('ID')['Alarm'].apply(lambda x: x.shift().eq(2).cumsum().eq(0))]
print (df)
   ID  Alarm
0   1      1
1   1      2
3   2      3
4   2      1
5   2      2
7   3      4
8   3      2

为了更好地理解更多数据:

df['a'] = df.groupby('ID')['Alarm'].apply(lambda x: x.shift())
df['b'] = df.groupby('ID')['Alarm'].apply(lambda x: x.shift().eq(2))
df['c'] = df.groupby('ID')['Alarm'].apply(lambda x: x.shift().eq(2).cumsum())
df['d'] = df.groupby('ID')['Alarm'].apply(lambda x: x.shift().eq(2).cumsum().eq(0))
print (df)
    ID  Alarm    a      b  c      d
0    1      1  NaN  False  0   True
1    1      2  1.0  False  0   True
2    1      2  2.0   True  1  False
3    1      2  2.0   True  2  False
4    1      3  2.0   True  3  False
5    2      3  NaN  False  0   True
6    2      1  3.0  False  0   True
7    2      2  1.0  False  0   True
8    2      4  2.0   True  1  False
9    3      4  NaN  False  0   True
10   3      2  4.0  False  0   True