Python 根据条件删除组中的最后一行

我想根据条件删除组中的最后一行。我已经做了以下工作：

df=pd.read_csv('file')
grp = df.groupby('id')
for idx, i in grp:
   df= df[df['column2'].index[-1] == 'In']

     id     product   date
 0   220    in      2014-09-01 
 1   220    out     2014-09-03 
 2   220    in      2014-10-16
 3   826    in     2014-11-11
 4   826    out     2014-12-09
 5   826    out      2014-05-19
 6   901    in      2014-09-01
 7   901    out     2014-10-05
 8   901    out     2014-11-01

当我这样做时，我只会得到： KeyError:错误

我期望的结果是：

     id     product   date
 0   220    in      2014-09-01 
 1   220    out     2014-09-03
 3   826    in     2014-11-11
 4   826    out     2014-12-09 
 6   901    in      2014-09-01
 7   901    out     2014-10-05

---

如果要删除中的最后一个

，请仅按组使用

~和中的不相等的

，并使用：

编辑：

如果希望每组使用所有可能的对
in-out
，则只需通过
dict
将非数值
in-out
映射到数值，因为
滚动
不使用字符串：

#more general solution
print (df)
     id product        date
0   220     out  2014-09-03
1   220     out  2014-09-03
2   220      in  2014-09-01
3   220     out  2014-09-03
4   220      in  2014-10-16
5   826      in  2014-11-11
6   826      in  2014-11-11
7   826     out  2014-12-09
8   826     out  2014-05-19
9   901      in  2014-09-01
10  901     out  2014-10-05
11  901      in  2014-09-01
12  901     out  2014-11-01


一种简单的方法是在打开.csv文件时添加
skipfooter=1
：

df = pd.read_csv(file, skipfooter=1, engine='python')

问题是我需要先遍历每个人（因此是组），然后删除最后一行，如果它不是以“out”结尾的话。因为现在我已经知道了如果行与上面的行不相似，如何删除该行：df=df.loc[df['profuct'].shift（）！=df['product']]我想我的问题可能只是稍微改变了一点。。。如果列“product”.eq（'in'）@LouiseMa-hmmm不理解，我如何访问每个列“id”中的最后一行并删除该行。主要写您需要删除每个组的最后一个id，您的预期输出生成每个组的
in-out
值，现在在注释中需要其他内容。所以现在我很困惑，到底需要什么…嗯，对不起。。。好的，我试着输入第二个解决方案，我得到了一个错误：“TypeError:无法解包不可iterable int object”@LouiseMa-好的，我能问点什么吗？每个组是否需要一对
in-out
？@jezrael我知道你的答案要好得多，这只用于删除最后一行。max这只删除csv文件上的最后一行，不符合上述条件。
pat = np.asarray(['in','out'])
N = len(pat)

d = {'in':0, 'out':1}
ma  = (df['product'].map(d)
                   .groupby(df['id'])
                   .rolling(window=N , min_periods=N)
                   .apply(lambda x: (x==list(d.values())).all(), raw=False)
                   .mask(lambda x: x == 0) 
                   .bfill(limit=N-1)
                   .fillna(0)
                   .astype(bool)
                   .reset_index(level=0, drop=True)
             )
df = df[ma]
print (df)
     id product        date
2   220      in  2014-09-01
3   220     out  2014-09-03
6   826      in  2014-11-11
7   826     out  2014-12-09
9   901      in  2014-09-01
10  901     out  2014-10-05
11  901      in  2014-09-01
12  901     out  2014-11-01

df = pd.read_csv(file, skipfooter=1, engine='python')