一旦满足数据帧中的特定条件，就选择连续的行

Question

一旦满足条件，请选择连续的行。示例：

dfA : 
style  day  stock
pants  mon   0
pants  tue   2
pants  wed   1
pants  thu   0
pants  fri   1
pants  sat   0
shirt  sat   1
shirt  thu   2
shirt  mon   0
shirt  tue   0
shirt  wed   2
shirt  fri   0

选择天数排序后和库存大于0时的连续行

expected output :
pants  tue   2
pants  wed   1
pants  thu   0
pants  fri   1
pants  sat   0
shirt  sat   1
shirt  thu   0
shirt  wed   2
shirt  fri   0

所以在裤子方面，一旦库存在周二达到2，我们选择了之后的所有日子，在衬衫中，一旦库存在周三达到2，我们就选择了之后的所有日子。我尝试了按and >0条件分组，但没有得到预期的结果，任何领先都将不胜感激。

Answer 1

这里有一个解决方案，它可能不是最优雅的，但它的优点是相当清晰。

在这里，我介绍了具有天id的中间列(以正确的周顺序！)每种款式的第一天都有库存。然后，您只需要比较这两列。

week = ["mon", "tue", "wed", "thu", "fri", "sat"]
fun = lambda x: week.index(x)
a["day_id"] = a["day"].map(fun)   # column with day id
first_day = a[a["stock"] > 0].groupby("style")["day_id"].min()   # select lines with stock>0 and find first day per style
a["first_day"] = a["style"].map(first_day)   # column with first day with stock per style (very redundant)
result = a[a["day_id"] >= a["first_day"]]

Answer 2

您可以使用以下方法应用分组。创建临时字典以保存结果分组的dfs：

dict_temp = {key: None for key in df["style"].unique()}

在满足条件后获取剩余行：

for key in dict_temp:
    # get the index of first True of condition (here ==2)
    index_fist_true = np.where(df.groupby("style").get_group(key)["stock"]==2)[0][0]
    # save the rest of grouped dataframe in dict_temp
    dict_temp[key] = df.groupby("style").get_group(key).reset_index()[index_fist_true+1:]

连接dict_temp的值并对其进行转换：

pd.concat(dict_temp.values()).drop("index", axis=1).reset_index(drop=True)