python - 删除每组中最后一个子组对应的行

Question

假设我有以下 DataFrame

import numpy as np
import pandas as pd
df = pd.DataFrame(['eggs', np.nan, 'ham', 'eggs', 'spam', 'spam',
                   'eggs', 'spam', np.nan], columns=['ingredients'])
df['customer'] = (['Badger']*3 + ['Shopkeeper']*3 + ['Pepperpots']*2
    + [np.nan])
df['ordered'] = [1, 1, 0, 0, 1, 0, 1, 0, np.nan]
df.sort_values(['customer', 'ingredients'], inplace=True)

看起来像这样:

  ingredients    customer  ordered
0        eggs      Badger      1.0
2         ham      Badger      0.0
1         NaN      Badger      1.0
6        eggs  Pepperpots      1.0
7        spam  Pepperpots      0.0
3        eggs  Shopkeeper      0.0
4        spam  Shopkeeper      1.0
5        spam  Shopkeeper      0.0
8         NaN         NaN      NaN

对于每个客户，我想删除与最后一种成分相对应的行(根据字母顺序)。

例如，应删除索引为 4 和 5 的行，因为它们对应于 Shopkeeper 的最后一个成分。

同样，第 7 行应删除，因为它对应于 Pepperpots 的最后一个成分。

NaN 值应被忽略。

Answer 1

您可以创建一个由分组“最后”成分组成的系列，然后将其过滤掉。请注意，为此目的，NaN 成分不会被删除。

s = df.sort_values('ingredients')\
      .groupby('customer')['ingredients']\
      .transform('last').sort_index()

df = df[df['ingredients'] != s]

print(df)

  ingredients    customer  ordered
0        eggs      Badger      1.0
1         NaN      Badger      1.0
3        eggs  Shopkeeper      0.0
6        eggs  Pepperpots      1.0
8         NaN         NaN      NaN

使用此解决方案，您可以省略 df.sort_values(['customer', 'ingredients'], inplace=True)，如 GroupBy + transform 如上面实现的那样，按索引对齐。