具有多列条件的 Python 过滤行

Question

我有一个 CSV 数据集，我需要使用条件对其进行过滤，但问题是条件可能持续多天。我想要的是保留此条件的最后一个真实值。

我的数据集是这样的

Date           City        Summary       FlightNo.   Terminal     Company
2-18-2019       NY        Airplane Land      23          7         Delta 
2-18-2019     London     Cargo handling      4           5         British
2-18-2019      Dubai     Airplane land       92          7         Emirates
2-19-2019      Dubai     Airplane stay       92          5         Emirates
2-19-2019      Paris     Flight cancel       78          2         British
2-19-2019     London     Airplane Land       4           5         British
2-19-2019       LA       Airplane Land       7           2         United
2-20-2019      Dubai     Airplane land       92          3         Emirates
2-20-2019       LA       Airplane land       29          3         Delta
2-20-2019       NY       Airplane left       23          1         Delta
2-21-2019      Paris     Airplane reschedu   78          2         British
2-21-2019      London    Airplane land       4           3         British
2-21-2019       LA    Airplane from NY land  29          5         Delta
~~~
3-10-2019      London    Airplane land       5           5         KLM
3-10-2019      Paris     Airplane Land       78          7         AirFrance
3-10-2019       LA       Reschedule          29          4         United
3-11-2019       NY       Cargo handled       23          7         Delta
3-11-2019      Dubai     Arrived be4 2 day   34          7         Etihad
~~~
3-21-2019      Dubai      Airplane land      92          5         Emirates
3-21-2019     New Delhi   Reschedule         9           4         AirAsia
3-21-2019      London     Cargo handling     5           2         Lufthansa
3-22-2019     New Delhi   Airplane Land      9           3         AirAsia
3-22-2019       NY        Reschedule         23          2         United
3-22-2019      Dubai      Airplane land      35          1         Emirates

所以代码应该为我们提供飞机着陆的最后一个条目City == City 和Flight No. == Flight No 和Company == Company。如您所见，这种情况可能持续多天。因此，如果所有三个条件都为真并且摘要包含 Airplane Lands，则返回最后一个为真

已编辑 所需的输出应该类似于下面的数据集：

Date           City        Summary       FlightNo.   Terminal     Company
2-18-2019       NY       Airplane Land       23          7         Delta 
2-19-2019       LA       Airplane Land       7           2         United
2-20-2019      Dubai     Airplane land       92          3         Emirates
2-21-2019      London    Airplane Land       4           3         British
2-21-2019       LA    Airplane from NY land  29          5         Delta
~~~
3-10-2019      London    Airplane land       5           5         KLM
3-10-2019      Paris     Airplane Land       78          7         AirFrance
~~~
3-21-2019      Dubai      Airplane land      92          5         Emirates
3-22-2019     New Delhi   Airplane Land      9           3         AirAsia
3-22-2019      Dubai      Airplane land      35          1         Emirates

如上图删除行，所有三列（City、FlightNo.和Company）都应该相同，如果其中任何一个不同，那么这两行都应该保留。

它的逻辑： 条件 1：如果 df[Summary] 包含“Airplane”和“land”，则返回该行 条件 2：来自已过滤的数据集 如果 df[City] == df[City] 和 df[FlightNo.] == df[FlightNo.] 和 df[Company] == df[Company] 在 3 天内为真，则保留其中一个最后一个或第一个。 因此，如果在 18 日和 20 日返回飞机降落在同一城市且由同一公司运营的相同航班号的行，则应仅保留 1 天行。但如果是同一个月的 1 日和 15 日，则保留这两行。

请帮我找到适用所有条件的内容并保留最后一个 True 条目。

编辑：

如果在接下来的 3 天内条件为真，请先保留 输入

print (df)
     Date      City Code      Summary      Flight No.   Company
0   2-18-2019    021        Airplane land      23       Emirates
1   2-18-2019    013        Airplane land      23       Etihad
2   2-19-2019    021        Airplane land      23       Emirates
3   2-19-2019    013        Airplane Land      23       Etihad
4   2-20-2019    021        Airplane land      23       Emirates
5   2-20-2019    055        Airplane land      23       Emirates
6   2-20-2019    013        Airplane land      23       Etihad
7   2-21-2019    021        Airplane land      23       Emirates
8   2-21-2019    013        Airplane land      78       Emirates
9   2-21-2019    055  Airplane from NY land    23       Emirates
10  2-22-2019    021        Airplane land      78       Emirates
11  2-22-2019    013        Airplane Land      78       Emirates
12  2-22-2019    055        Airplane land      78       Emirates
13  2-23-2019    021        Airplane land      78       Etihad

输出：

print (df)
         Date      City Code      Summary      Flight No.   Company
    0   2-18-2019    021        Airplane land      23       Emirates
    1   2-18-2019    013        Airplane land      23       Etihad
    5   2-20-2019    055        Airplane land      23       Emirates
    7   2-21-2019    021        Airplane land      23       Emirates
    8   2-21-2019    013        Airplane land      78       Emirates
    10  2-22-2019    021        Airplane land      78       Emirates
    12  2-22-2019    055        Airplane land      78       Emirates

Answer 1

我认为你需要：

#convert to datetimes
df['Date'] = pd.to_datetime(df['Date'])

#sortig by datetimes
df = df.sort_values(['City Code', 'Flight No.','Company','Date'])

#filter case non sensitive
df=df[(df.Summary.str.contains('Airplane ') & df.Summary.str.contains('Land', case=False))]

s = df.groupby(['City Code', 'Flight No.','Company'])['Date'].transform('first')
#get diff by first date per groups
df['diff'] = df['Date'].sub(s).dt.days.fillna(0)
#group column each 3 days
df['g'] = (df['diff'] // 3 )
#filter 3 days window from first per groups
df = df[~df.duplicated(['City Code', 'Flight No.','Company','g'])]
print (df)
         Date City Code        Summary  Flight No.   Company
0  2019-02-18       021  Airplane land          23  Emirates
1  2019-02-18       013  Airplane land          23    Etihad
5  2019-02-20       055  Airplane land          23  Emirates
7  2019-02-21       021  Airplane land          23  Emirates
8  2019-02-21       013  Airplane land          78  Emirates
10 2019-02-22       021  Airplane land          78  Emirates
12 2019-02-22       055  Airplane land          78  Emirates
13 2019-02-23       021  Airplane land          78    Etihad