Python 熊猫：放弃值之前的行，包括另一列中的值

我想放弃

Time

is

0

之前的每一行，其中

ID

与

0

-值的行相同。包含

0

的行也应删除

数据如下：

                          Time  Author         ID
Date
2018-04-23 08:09:52.558    60  1744025         44
2018-04-23 14:26:12.294   360  1244021         10
2018-04-23 15:19:47.667    45  1244021         10
2018-04-23 18:05:25.417   240  1249997         19
2018-04-23 18:58:20.776   180  2185555         19
2018-04-23 18:59:50.883   120  2185555         19
2018-04-23 19:29:30.500   300  1686620         19
2018-04-24 00:23:45.673     0  1249997         19
2018-04-24 06:55:29.529    10  1244021         10
2018-04-24 14:08:19.080   270  1686620         19
2018-04-24 17:58:30.757   120  1416825         39
2018-04-24 19:33:41.127   600  1249997         19

我希望它是：

                          Time  Author         ID
Date
2018-04-23 08:09:52.558    60  1744025         44
2018-04-23 14:26:12.294   360  1244021         10
2018-04-23 15:19:47.667    45  1244021         10
2018-04-24 06:55:29.529    10  1244021         10
2018-04-24 14:08:19.080   270  1686620         19
2018-04-24 17:58:30.757   120  1416825         39
2018-04-24 19:33:41.127   600  1249997         19

我摆弄着

idxmax（）

：

但这并不考虑

ID

---

那么我如何才能以最“pythonic”的方式做到这一点呢？

您可以在这里使用

groupby

+

cumsum

技巧：

df[~df.Time.eq(0)[::-1].groupby(df.ID, sort=False).cumsum()]

                         Time   Author  ID
Date                                      
2018-04-23 08:09:52.558    60  1744025  44
2018-04-23 14:26:12.294   360  1244021  10
2018-04-23 15:19:47.667    45  1244021  10
2018-04-24 06:55:29.529    10  1244021  10
2018-04-24 14:08:19.080   270  1686620  19
2018-04-24 17:58:30.757   120  1416825  39
2018-04-24 19:33:41.127   600  1249997  19

---

这很有魅力，谢谢！你能用几句话解释一下那里发生了什么吗？@JACKSONMEISTER我要做的是计算出第一行，每组0，然后用cumsum标记前面的每一行以便删除。

df[~df.Time.eq(0)[::-1].groupby(df.ID, sort=False).cumsum()]

                         Time   Author  ID
Date                                      
2018-04-23 08:09:52.558    60  1744025  44
2018-04-23 14:26:12.294   360  1244021  10
2018-04-23 15:19:47.667    45  1244021  10
2018-04-24 06:55:29.529    10  1244021  10
2018-04-24 14:08:19.080   270  1686620  19
2018-04-24 17:58:30.757   120  1416825  39
2018-04-24 19:33:41.127   600  1249997  19