python - 在之前的行中出现某个值后删除多行的最佳实践？

Question

我的数据是这样的:

   Journey ID  Visit ID      Date  Conversion
0           1         1  20200101           1
1           1         2  20200102           1
2           1         3  20200103           0
3           2         4  20200104           0
4           2         5  20200105           1
5           3         6  20200106           1
6           3         7  20200107           0

我的目标是删除转化后旅程 ID 中出现的所有行。无论行的内容是什么，都在转换后的行之后。在此示例中，应删除索引为 1,2 和 6 的行。

我已经被困在这里一段时间了。我试过移动列和屏蔽条件，但它变得复杂并且没有真正起作用。

我需要一个安全、可扩展的解决方案来处理超过 200 万行的数据，该解决方案可以安全运行且易于验证。

您可以用这个重现示例数据集:

d = {'Journey ID': [1,1,1,2,2,3,3],
     'Visit ID': [1,2,3,4,5,6,7],
     'Date': [20200101,20200102,20200103, 20200104, 20200105,20200106,20200107],
     'Conversion': [1,1,0,0,1,1,0]}
data = pd.DataFrame(data = d)

Answer 1

IIUC，您可以尝试使用 cumsum 和 groupby:

out = data[data['Conversion'] == data.groupby('Journey ID')['Conversion'].cumsum()]

---

   Journey ID  Visit ID  Date+Time  Conversion
0           1         1  date_time           1
3           2         4  date_time           0
4           2         5  date_time           1
5           3         6  date_time           1

这是可视化的逻辑:

   Journey ID  Visit ID      Date  Conversion  cumsum_Journey  delete
0           1         1  20200101           1               1   False
1           1         2  20200102           1               2    True
2           1         3  20200103           0               2    True
3           2         4  20200104           0               0   False
4           2         5  20200105           1               1   False
5           3         6  20200106           1               1   False
6           3         7  20200107           0               1    True