基於groupby的DataFrame過濾器

Question

這是我的簡化示例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

我要執行的操作是歸檔數據幀，並在2個不同的salesPerson ID具有相同客戶編號的情況下，請保留timeStamp最早的salesPerson的所有行。 在此示例中，結果df為：

      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？ 我考慮過使用熊貓groupby.filter或groupby.transform，但是坦率地說，不知道如何准確地編寫它們。

獎勵點是將刪除的行放在單獨的Deleted_df對象中。

Answer 1

這種單線應該可以解決問題：

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

說明：

為了確定我們要過濾的銷售人員，首先按customer對df進行分組，並使用idxmin timeStamp找到最小timeStamp的索引：

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

然后，將這些索引值以及iloc ，以從用於過濾的salesPerson獲取值：

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

最后，將該結果傳遞給Series方法isin ，並使用該結果索引到df 。 結果是：

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

要創建帶有已過濾出行的第二個DataFrame，可以將索引從已過濾df傳遞到原始df，並排除這些行。 因此，如果我們將上述結果分配給df1 ，則可以按以下方式創建互補的df2 ：

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

結果：

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