基于groupby的DataFrame过滤器

Question

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

我要执行的操作是归档数据帧，并在2个不同的salesPerson ID具有相同客户编号的情况下，请保留timeStamp最早的salesPerson的所有行。 在此示例中，结果df为：

      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/最有效的方法是什么？ 我考虑过使用熊猫groupby.filter或groupby.transform，但是坦率地说，不知道如何准确地编写它们。

奖励点是将删除的行放在单独的Deleted_df对象中。

Answer 1

这种单线应该可以解决问题：

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

说明：

为了确定我们要过滤的销售人员，首先按customer对df进行分组，并使用idxmin timeStamp找到最小timeStamp的索引：

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

然后，将这些索引值以及iloc ，以从用于过滤的salesPerson获取值：

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

最后，将该结果传递给Series方法isin ，并使用该结果索引到df 。 结果是：

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

要创建带有已过滤出行的第二个DataFrame，可以将索引从已过滤df传递到原始df，并排除这些行。 因此，如果我们将上述结果分配给df1 ，则可以按以下方式创建互补的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