基于条件的分组和子集行答案

【问题标题】：Groupby and subsetting rows based on condition基于条件的分组和子集行
【发布时间】：2018-12-27 15:27:21
【问题描述】：

我想过滤我的数据框。

我的数据框

  Col1    col2
0    A  event1
1    A  event2
2    A  event3
3    A  event2
4    B  event1
5    B  event3
6    B  event2
7    B  event2

输出数据帧

  Col1    col2
     A  event1
     B  event1
     B  event3

它应该为每个组返回 event2 之前的行。到目前为止我试过了

df.groupby('col1').apply(lambda x :x[0:x[x['col2'] == 'event2'].index[0]])

但它没有返回所需的行。

【问题讨论】：

【解决方案1】：

我们可以使用groupby 和cumsum 来做到这一点，然后是最后的过滤步骤：

df[df.col2.eq('event2').groupby(df.Col1).cumsum().eq(0)]

  Col1    col2
0    A  event1
4    B  event1
5    B  event3

要将索引重置为单调递增的范围，请使用

df[df.col2.eq('event2').groupby(df.Col1).cumsum().eq(0)].reset_index(drop=True)

  Col1    col2
0    A  event1
1    B  event1
2    B  event3

Scott Boston 建议在布尔掩码上使用 cumprod 对上述解决方案进行很好的改进。原理是一样的，但是更干净：

df[df.col2.ne('event2').groupby(df.Col1).cumprod()]

  Col1    col2
0    A  event1
4    B  event1
5    B  event3

W-B 建议的基于groupby + idxmax 的过滤：

df[df.index < df.col2.eq('event2').groupby(df.Col1).transform('idxmax')]

  Col1    col2
0    A  event1
4    B  event1
5    B  event3

【讨论】：

我通过少一种方法得到了。 df[df.col2.ne('event2').groupby(df.Col1).cumprod()]
@ScottBoston 太棒了。不知道您可以将 cumprod 与这样的布尔值一起使用。我可以吗？
这很好:-)
你也想添加这个吗df[df.index<df.col2.eq('event2').groupby(df.Col1).transform('idxmax')]
@W-B 谢谢人 :) 这是一种不同的方法，请添加答案，我一定会投票。