Python 基于groupby的数据帧过滤器

以下是我的简化示例：

      salesPerson customer measure timeStamp
      --------------------------------------
      A           123      I       12:30
      A           123      II      12:30
      A           123      III     12:30
      B           123      IV      12:35
      C           456      I       14:30
      C           456      II      14:30
      D           456      III     14:15

我想做的是，对数据帧进行归档，如果两个不同的销售人员Id具有相同的客户编号，则保留时间戳最早的销售人员的所有行。本例中的结果df为：

      salesPerson customer measure timeStamp
      --------------------------------------
      A           123      I       12:30
      A           123      II      12:30
      A           123      III     12:30
      D           456      III     14:15

做这件事的最佳/最具python风格的方式是什么？我曾想过使用pandas groupby.filter或groupby.transform，但坦率地说，我不知道如何准确地编写它们

---

额外的好处是将删除的行放在一个单独的已删除对象中。

这一行应该可以做到：

df[df['salesPerson'].isin(df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson'])]

说明：

要确定我们要筛选的销售人员，首先按

customer

对

df

进行分组，并使用

idxmin

获得最小

时间戳的索引：

df.groupby(['customer'])['timeStamp'].idxmin()

然后，将这些索引值连同我们想要的列一起传递到
iloc
，以从
salesPerson
获取我们将用于筛选的值：

df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson']

最后，将该结果传递给Series方法
isin
，并使用该方法索引到
df
。结果是：

0  A  123    I 2017-07-12 12:30:00
1  A  123   II 2017-07-12 12:30:00
2  A  123  III 2017-07-12 12:30:00
6  D  456  III 2017-07-12 14:15:00

要使用筛选出的行创建第二个数据帧，可以将索引从筛选出的df传递到原始df并排除这些行。因此，如果我们将上述结果分配给
df1
，我们可以通过以下方式创建一个互补的
df2
：

df2 = df[~df.index.isin(df1.index)]

结果:

3  B  123  IV 2017-07-12 12:35:00
4  C  456   I 2017-07-12 14:30:00
5  C  456  II 2017-07-12 14:30:00

这一行应该可以做到：

df[df['salesPerson'].isin(df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson'])]

说明：

要确定我们要筛选的销售人员，首先按
customer
对
df
进行分组，并使用
idxmin
获得最小
时间戳的索引：

df.groupby(['customer'])['timeStamp'].idxmin()

然后，将这些索引值连同我们想要的列一起传递到
iloc
，以从
salesPerson
获取我们将用于筛选的值：

df.iloc[df.groupby(['customer'])['timeStamp'].idxmin(), 'salesPerson']

最后，将该结果传递给Series方法
isin
，并使用该方法索引到
df
。结果是：

0  A  123    I 2017-07-12 12:30:00
1  A  123   II 2017-07-12 12:30:00
2  A  123  III 2017-07-12 12:30:00
6  D  456  III 2017-07-12 14:15:00

要使用筛选出的行创建第二个数据帧，可以将索引从筛选出的df传递到原始df并排除这些行。因此，如果我们将上述结果分配给
df1
，我们可以通过以下方式创建一个互补的
df2
：

df2 = df[~df.index.isin(df1.index)]

结果:

3  B  123  IV 2017-07-12 12:35:00
4  C  456   I 2017-07-12 14:30:00
5  C  456  II 2017-07-12 14:30:00