我有一个看起来像这样的数据框:
In [9]: d = pd.DataFrame({'place': ['home', 'home', 'home', 'home', 'office', 'office', 'office', 'home', 'office', 'home', 'office', 'home', 'office', 'home'], 'person': ['a', 'a', 'a', 'a', 'a', 'a', 'a', 'b', 'b', 'c', 'c', 'c', 'c', 'c'], 'other_stuff': ['f', 'g', 'd', 'q', 'w', 'r', 's', 't', 'u', 'v', 'w', 'l', 'm', 'n']})
In [7]: d
place other_stuff person
0 home f a
1 home g a
2 home d a
3 home q a
4 office w a
5 office r a
6 office s a
7 home t b
8 office u b
9 home v c
10 office w c
11 home l c
12 office m c
13 home n c
我的数据中只有两个 place 类别:home 和 office。我想选择此数据框的行，这些行与 place 列中具有“永久转换”的所有 person 相对应。即，我只想选择在其 place 中发生变化并且不会变回原样的 persons。
在此示例数据框中，我想选择对应于 person a 和 person b 的所有行，但不选择 person c。期望的输出是:
place other_stuff person
0 home f a
1 home g a
2 home d a
3 home q a
4 office w a
5 office r a
6 office s a
7 home t b
8 office u b
我打算在person列上groupby，然后写一个函数apply到每组观察值。我的数据框有大约 6000 万行和 700,000 个独特的 persons，所以我不想使用任何类型的迭代。 我不确定如何编写一个函数来选择正确的行，而无需遍历每组 person 观察结果。
请您参考如下方法:
使用groupby shift，根据位置变化创建每个人的子组，如果变化超过两次，那么我们不应该将整个组保留在新的数据框
s=df.groupby('person').apply(lambda x : (x['place'].shift()!=x['place']).cumsum().nunique())
df.loc[df.person.isin(s[s<=2].index)]
place other_stuff person
0 home f a
1 home g a
2 home d a
3 home q a
4 office w a
5 office r a
6 office s a
7 home t b
8 office u b
