Python 从中选择条件为真的所有行

我有一个数据帧

 Id  Seqno. Event
 1     2    A 
 1     3    B 
 1     5    A 
 1     6    A 
 1     7    D
 2     0    E
 2     1    A 
 2     2    B 
 2     4    A 
 2     6    B

我想获得自最近发生的每个ID的模式A=2的计数以来发生的所有事件。Seqno。是每个ID的序列号。 输出将是

 Id  Seqno. Event 
 1     5    A 
 1     6    A 
 1     7    D
 2     1    A 
 2     2    B 
 2     4    A 
 2     6    B

到目前为止我试过

  y=x.groupby('Id').apply( lambda 
  x:x.eventtype.eq('A').cumsum().tail(2)).reset_index()
  p=y.groupby('Id').apply(lambda x:       
  x.iloc[0]).reset_index(drop=True)
  q= x.reset_index()
  s= pd.merge(q,p,on='Id')
  dd= s[s['index']>=s['level_1']]

---

我想知道是否有一个好办法。

多亏了cold、ALollz和Vaishali，通过使用

groupby

和

cumcount

的解释（从评论中），我们使用

reindex

和

ffill

s=df.loc[df.Event=='A'].groupby('Id').cumcount(ascending=False).add(1).reindex(df.index)
s.groupby(df['Id']).ffill()
Out[57]: 
0    3.0
1    3.0
2    2.0
3    1.0
4    1.0
5    NaN
6    2.0
7    2.0
8    1.0
9    1.0
dtype: float64
yourdf=df[s.groupby(df['Id']).ffill()<=2]
yourdf
Out[58]: 
   Id  Seqno. Event
2   1       5     A
3   1       6     A
4   1       7     D
6   2       1     A
7   2       2     B
8   2       4     A
9   2       6     B

s=df.loc[df.Event=='A'].groupby（'Id'）.cumcount（升序=False）.添加（1）.重新索引（df.index）
s、 groupby（df['Id']）.ffill（）
出[57]：
0    3.0
1    3.0
2    2.0
3    1.0
4    1.0
5南
6    2.0
7    2.0
8    1.0
9    1.0
数据类型：64
yourdf=df[s.groupby（df['Id']）.ffill（）将
groupby
与
cumsum
一起使用，从每组A的计数中减去它，然后过滤：

g = df['Event'].eq('A').groupby(df['Id'])
df[(g.transform('sum') - g.cumsum()).le(1)]

   Id  Seqno. Event
2   1       5     A
3   1       6     A
4   1       7     D
6   2       1     A
7   2       2     B
8   2       4     A
9   2       6     B

第2组不应该只包括最后2行吗？因为我们正在查找第二次出现A以后的行…如果我错了，请更正我。谢谢@coldspeed。实际上，对于每个组，我们都从上一次或最近的事件中计算A。一旦我们的计数等于2，我们将返回所有行（包括第二次出现的）直到结束（最近一次）该组的事件。逻辑仍然没有意义。对于Id 2，您包括序号为1的行，其中A的计数仍然为1。是的，@Vaishali，没错。对我来说仍然没有意义，OP。这是第二次从组的底部向上计数，然后返回下面的所有内容