python - 删除特定值首次出现下方的行

Question

目标是根据唯一的 ID 确定 code 中的 c 和 d 何时出现在 a，然后对数据帧进行子集化(对 groupby 进行子集化也同样好)以不包含这些 ID。

示例 df:

df = pd.DataFrame({'ID':np.repeat([1,2,3],[3,4,3]), 'dates' : [(pd.Timestamp('2018-12-30 00:00:00') + pd.Timedelta(hr, unit = 'h')) for hr in range(10)], 'cd': ['c','b','a','b','c','a','c','b','a','d']})

grouped = df.groupby('ID', as_index = False).apply(lambda x: x.sort_values('dates', ascending = False))

grouped = grouped.groupby('ID')

使用此数据集，应从 df 中删除 ID==2 和 ID==3:

for key, item in grouped:
    print(grouped.get_group(key), "\n\n")

输出:

     ID               dates cd
0 2   1 2018-12-30 02:00:00  a
  1   1 2018-12-30 01:00:00  b
  0   1 2018-12-30 00:00:00  c 


     ID               dates cd
1 6   2 2018-12-30 06:00:00  c
  5   2 2018-12-30 05:00:00  a
  4   2 2018-12-30 04:00:00  c
  3   2 2018-12-30 03:00:00  b 


     ID               dates cd
2 9   3 2018-12-30 09:00:00  d
  8   3 2018-12-30 08:00:00  a
  7   3 2018-12-30 07:00:00  b 

我认为下面的方法可以实现这个目标，它为每个组创建一个字符串，然后使用 str.find() 来确定优先级:

for i,r in grouped:
    cdSeq = ''
    for code in r['cd']:
        cdSeq+=code
    if abs(cdSeq.find('c')) < abs(cdSeq.find('a')) or abs(cdSeq.find('d'))<abs(cdSeq.find('a')):
        df = df[df['ID']!=i]

df.groupby('ID', as_index = False).apply(lambda x: x.sort_values('dates', ascending = False))

输出:

       ID                 dates cd
0   2   1   2018-12-30 02:00:00  a
    1   1   2018-12-30 01:00:00  b
    0   1   2018-12-30 00:00:00  c

是否有更简洁、高效和/或Pythonic的方法来实现这一点？

Answer 1

首先，确定每组“a”后面出现哪些行作为 u。然后，确定哪些行包含“c”和“d”，如v。使用 mul，我们确定哪些行符合我们的标准，然后使用 groupby 和 any 获取掩码来消除它们。

u = df['cd'].eq('a').groupby(df.ID).cumsum()
v = df['cd'].isin(['c', 'd'])

df[~u.mul(v).groupby(df.ID).transform('any')]

   ID               dates cd
0   1 2018-12-30 00:00:00  c
1   1 2018-12-30 01:00:00  b
2   1 2018-12-30 02:00:00  a