基于groupby的DataFrame过滤器答案

【问题标题】：DataFrame filter based on groupby基于groupby的DataFrame过滤器
【发布时间】：2017-07-12 15:03:58
【问题描述】：

这是我的简化示例 df：

      salesPerson customer measure timeStamp
      --------------------------------------
      A           123      I       12:30
      A           123      II      12:30
      A           123      III     12:30
      B           123      IV      12:35
      C           456      I       14:30
      C           456      II      14:30
      D           456      III     14:15

我想要做的是归档数据框，如果 2 个不同的销售人员 ID 具有相同的客户编号，请保留时间戳最早的销售人员的所有行。此示例中的结果 df 将是：

      salesPerson customer measure timeStamp
      --------------------------------------
      A           123      I       12:30
      A           123      II      12:30
      A           123      III     12:30
      D           456      III     14:15

最好/最 Pythonic 的方法是什么？我考虑过使用 pandas groupby.filter 或 groupby.transform，但坦率地说不知道如何准确地编写这些。

奖励积分将用于将已删除的行放在单独的 deleted_df 对象中。

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

这个单线应该可以解决问题：

df[df['salesPerson'].isin(df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson'])]

说明：

要确定我们要过滤的销售人员，首先将df 按customer 分组，然后使用idxmin 获取找到最小timeStamp 的索引：

df.groupby(['customer'])['timeStamp'].idxmin()

然后，将这些索引值连同我们想要的列一起传递给iloc，以从salesPerson 中获取值，我们将用于过滤：

df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson']

最后，将该结果传递给 Series 方法 isin，并使用它来索引到 df。结果是这样的：

0  A  123    I 2017-07-12 12:30:00
1  A  123   II 2017-07-12 12:30:00
2  A  123  III 2017-07-12 12:30:00
6  D  456  III 2017-07-12 14:15:00

要使用过滤掉的行创建第二个 DataFrame，您可以将过滤后的 df 中的索引传递给原始 df 并排除这些行。因此，如果我们将上面的结果分配给df1，我们可以通过这种方式创建一个互补的df2：

df2 = df[~df.index.isin(df1.index)]

结果：

3  B  123  IV 2017-07-12 12:35:00
4  C  456   I 2017-07-12 14:30:00
5  C  456  II 2017-07-12 14:30:00

【讨论】：