如何使用条件删除具有相同值的行序列？

Question

我有以下数据框：

.	id	outcome
0	3	no
1	3	no
2	3	no
3	3	yes
4	3	no
5	5	no
6	5	no
7	5	yes
8	5	yes
9	6	no
10	6	no
11	6	yes
12	6	yes
13	6	yes
14	6	yes
15	6	yes
16	6	no
17	6	no

如果结果列中的最后一个“是”，我想删除所有“是”行。

如果它们是数据框中的第一个值，我也想删除所有“否”

这些必须按“id”列分组
这应该是输出：

.	id	outcome
3	3	yes
4	3	no
11	6	yes
12	6	yes
13	6	yes
14	6	yes
15	6	yes
16	6	no
17	6	no

目前我已经尝试过：

df = pd.DataFrame(data={
       'id': [3, 3, 3, 3, 3, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6], 
       'outcome': ['no', 'no', 'no', 'yes', 'no', 'no', 'no', 'yes', 'yes', 'no', 'no', 'yes', 'yes', 'yes', 'yes', 'yes', 'no', 'no']
     })

m1 = df.groupby(['id'])['outcome'].head() != 'yes'
df = df.drop(m1[m1].index)
m2 = df.groupby(['id'])['outcome'].tail() != 'no'
df = df.drop(m2[m2].index)

print(df)

如果我在 head() 和 tail() 中添加 1，这只会删除最后一个值，而不是前面的值。有什么建议吗？

Answer 1

您需要计算掩码和切片。 总之，我在这里计算了每个是/否段的排名，以确定它们是初始（= 排名 1）还是最终（= 每组最大排名）。

o = df['outcome']
g = df.groupby('id')['outcome']
m1 = o.ne(g.shift()).groupby(df['id']).cumsum()
m2 = m1.groupby(df['id']).transform('max')
df[~((m1.eq(1)&o.eq('no'))|(m1.eq(m2)&o.eq('yes')))]

输出：

    id outcome
3    3     yes
4    3      no
11   6     yes
12   6     yes
13   6     yes
14   6     yes
15   6     yes
16   6      no
17   6      no

注意。切片中使用的最终掩码可以使用布尔算法进行简化，但为了清楚起见，我将其保留为原样