使用组过滤器，当列值在另一个行列值的范围内时，熊猫选择行

Question

我想扩展一个我在问题链接上提出的问题

情况比较复杂，所以我认为那里的解决方案不适合

我正在尝试使用以下格式从数据框（100k-500k行）创建子集

d = {'time':[1,2,3,5,7,9,9.5,10], 'val':['not','match','match','not','not','match','match','match'],
    'group':['a','a','b','b','b','a','a','c']}
df = pd.DataFrame(d)
print(df)
  group  time    val
0     a   1.0    not
1     a   2.0  match
2     b   3.0  match
3     b   5.0    not
4     b   7.0    not
5     a   9.0  match
6     a   9.5  match
7     c  10.0  match

当时间在有限范围内时，我想选择一个包含所有行的子集。 例如，如果范围<= 1，则选择第一行和最后三行，它们来自不同的组

• row0具有有效的时间差异（row1-row0），但它们在同一组中。
• row1具有有效的时间差异（row2-row1），并且每个都有不同的组。
• row5具有有效的时间差异（row7-row5），并且每个都有不同的组。
• row6具有有效的时间差异（row7-row6），并且每个都有不同的组。

而我想要的输出

  group  time    val
1     a   2.0  match
2     b   3.0  match
5     a   9.0  match
6     a   9.5  match
7     c  10.0  match

Answer 1

这适用于您的示例，希望适用于您的数据：

df.loc[((df['time'].diff() <= 1)|(df['time'].diff(-1) >= -1))&((df['group']!=df['group'].shift(-1).fillna(df['group']))|(df['group']!=df['group'].shift(1).fillna(df['group'])))]