groupby 的所有行的条件

Question

关于这种类型的数据框：

import pandas as pd
import datetime
df = pd.DataFrame({'ID': [1,1,1,1,2,2,2,3],
                   'Time': [datetime.date(2019, 12, 1), datetime.date(2019, 12, 5),datetime.date(2019, 12, 8),datetime.date(2019, 8, 4),datetime.date(2019, 11, 4),datetime.date(2019, 11, 4),datetime.date(2019, 11, 3),datetime.date(2019, 12, 20)],
                   'Value':[2,2,2,50,7,100,7,5]})

    ID  Time        Value
0   1   2019-12-01  2
1   1   2019-12-05  2
2   1   2019-12-08  2
3   1   2019-08-04  50
4   2   2019-11-04  7
5   2   2019-11-04  100
6   2   2019-11-03  7
7   3   2019-12-20  5

我只对最新的 3 个值感兴趣（关于时间）

和

我只想保留这 3 个值

所以我想要的输出将如下所示：

    ID
0   1

确实，第一个 ID 的值 50 是倒数第四个值，所以它并不有趣。

Answer 1

在groupby内：

• 我按时间对组进行排序
• 使用布尔值确定条件
• 只取最后 3 个值并将上面定义的布尔值求和
• 检查这个数字是否正好是 3

grp = df.groupby("ID")\
        .apply(lambda x: 
         x.sort_values("Time")["Value"].lt(10)[-3:].sum()==3)

grp[grp]

ID
1    True
dtype: bool

Answer 2

您可以使用query 和groupby+size 的组合：

ids = df.query('Value < 10').groupby('ID')['Time'].size().ge(3)
ids[ids].reset_index().drop('Time', axis=1)

输出：

   ID
0   1

替代使用filter（较慢）：

df.groupby('ID').filter(lambda g: len(g[g['Value'].lt(10)]['Time'].nlargest(3))>2)

输出：

   ID       Time  Value
0   1 2019-12-01      2
1   1 2019-12-05      2
2   1 2019-12-08      2
3   1 2019-08-04     50

并且只获取 ID：添加 ['ID'].unique()