Pandas筛选指定日期后novice race记录：排除前期有新手赛的车手

需求拆解 #

• 筛选2018年1月1日及以后的「novice race」记录
• 排除所有在2018年之前已有「novice race」记录的车手
• 对符合条件的车手，提取其所有赛事记录中按日期排序的前两场赛事类型组合

实现代码（基于Pandas） #

1. 准备示例数据

import pandas as pd

# 模拟赛事数据
data = {
    'driver_id': [1, 1, 2, 2, 3, 3],
    'race_date': ['2017-05-10', '2018-06-15', '2018-03-20', '2019-01-10', '2016-11-05', '2018-07-22'],
    'race_type': ['novice', 'novice', 'novice', 'professional', 'novice', 'novice']
}
df = pd.DataFrame(data)
df['race_date'] = pd.to_datetime(df['race_date'])

2. 标记有前期新手赛事的车手

先找出所有在2018年前参加过novice race的车手ID：

# 提取2018年前有novice race的车手
pre_2018_novice_drivers = df[(df['race_date'] < '2018-01-01') & (df['race_type'] == 'novice')]['driver_id'].unique()

3. 筛选符合条件的车手数据

保留无前期新手赛事的车手所有记录，并按日期排序：

# 筛选目标车手的所有赛事记录
qualified_drivers = df[~df['driver_id'].isin(pre_2018_novice_drivers)]
# 按车手ID和赛事日期排序，确保顺序正确
qualified_drivers_sorted = qualified_drivers.sort_values(by=['driver_id', 'race_date'])

4. 提取前两场赛事类型组合

按车手分组后取前两场记录，聚合为赛事类型组合：

# 分组取前两场，合并为类型组合
first_two_races = qualified_drivers_sorted.groupby('driver_id').head(2)\
                                         .groupby('driver_id')['race_type']\
                                         .apply(list)\
                                         .reset_index(name='first_two_race_types')

输出结果

运行后得到的first_two_races仅包含符合要求的车手：

内容的提问来源于stack exchange，提问作者Eoin Vaughan