Python 在数据帧中满足特定条件后，选择连续行

满足条件后，选择连续行。例如：

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

在订购天数后以及库存>0时，选择连续行

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

因此，在裤子中，当库存在周二达到2时，我们选择之后的所有日子；在衬衫中，当库存在周三达到2时，我们选择之后的所有日子。

---

我尝试按和>0条件分组，但没有得到预期的结果，任何潜在客户都会很感激。

这里有一个解决方案，它可能不是最优雅的，但它的优点是非常清晰

在这里，我将介绍带有日期id的中间列（按正确的周顺序！），以及每个样式的第一天的库存。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"]]

---

您可以使用以下方法应用分组。 创建临时dict以保存生成的分组dfs：

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

满足条件后获取其余行：

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:]

浓缩dict_temp的值并进行转换：

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

---

请添加预期输出结果数据框是预期输出您如何进行“天数排序”？