python - Pandas Dataframe groupby，然后根据菜单或文本选项进行过滤

Question

我的数据框如下所示，我的目的是对学生姓名进行 pandas.groupby 并找出他们在“英语”和“印地语”之间进行的事件

 data ={'StudentId':['AAdams','AAdams','AAdams','AAdams','AAdams','AAdams',
                'BBrooks','BBrooks','BBrooks','BBrooks','BBrooks',],

'activity':['came school','english','lunch','hindi','sports','left school','came school','english','read','hindi','left school'],
'month':[11,11,11,11,12,12,12,12,12,1,1]}

pd.DataFrame(data)

StudentId   activity    month
0   AAdams  came school 11
1   AAdams  english 11
2   AAdams  lunch   11
3   AAdams  hindi   11
4   AAdams  sports  12
5   AAdams  left school 12
6   BBrooks came school 12
7   BBrooks english 12
8   BBrooks read    12
9   BBrooks hindi   1
10  BBrooks left school 1

到目前为止我已经尝试过或者我知道的是

df[df.b.eq('english').groupby(df.StudentId).cumsum()].reset_index(drop=True)

or 

df.groupby('StudentId').apply(lambda x: x.loc[(x.b == 'english').idxmax():,:])
                .reset_index(drop=True)

然后剪切我的数据框，然后我可以通过下面的代码来完成

df.groupby('StudentId').head(5)

最终的数据帧或输出应该看起来只是activity=english和activity=hindi之间的事件

    StudentId   activity    month
1   AAdams  english 11
2   AAdams  lunch   11
3   AAdams  hindi   11
7   BBrooks english 12
8   BBrooks read    12
9   BBrooks hindi   1

Answer 1

如果每个组的第一个值为english，第二个值为hindi，则解决方案。

通过 DataFrameGroupBy.cumsum 创建 bool 掩码对于第一个和第二个，需要通过使用 [::-1] 进行索引从后开始排序，最后一个链掩码通过 & 进行排序，并通过 boolean indexing 进行过滤。 :

m1 = df['activity'].eq('english').astype(int).groupby(df['StudentId']).cumsum().gt(0)
m2 = df['activity'].eq('hindi').astype(int).iloc[::-1].groupby(df['StudentId']).cumsum().gt(0)

df = df[m1 & m2]
print (df)
  StudentId activity  month
1    AAdams  english     11
2    AAdams    lunch     11
3    AAdams    hindi     11
7   BBrooks  english     12
8   BBrooks     read     12
9   BBrooks    hindi      1