如何按分组获取每组前50%的时间序列条目？

针对按字段x分组后，提取每组中Year字段在前50%（时间更早的一半）条目的需求，以下是两种主流数据分析工具的实现方案：

Python（Pandas）实现 #

import pandas as pd

# 示例数据集
data = pd.DataFrame({
    'x': ['a', 'a', 'b', 'b', 'b', 'b', 'c', 'c'],
    'Year': [2000, 2001, 2002, 2003, 2004, 2005, 2010, 2020]
})

# 分组处理逻辑：按x分组→每组按Year升序排序→取前50%行
result = data.groupby('x', group_keys=False).apply(
    lambda group: group.sort_values('Year').head(int(len(group)*0.5))
)

print(result)

逻辑说明： #

1. groupby('x')按指定字段分组，group_keys=False避免分组键被加入结果索引
2. 对每组先按Year升序排序，确保时间早的条目在前
3. int(len(group)*0.5)计算每组需保留的条目数，通过head()提取对应行数

R（dplyr）实现 #

library(dplyr)

# 示例数据集
data <- tibble(
  x = c('a', 'a', 'b', 'b', 'b', 'b', 'c', 'c'),
  Year = c(2000, 2001, 2002, 2003, 2004, 2005, 2010, 2020)
)

# 分组处理逻辑：分组→按Year排序→提取前50%行
result <- data %>%
  group_by(x) %>%
  arrange(Year) %>%
  slice_head(n = floor(n() * 0.5)) %>%
  ungroup()

print(result)

逻辑说明： #

1. group_by(x)完成分组，arrange(Year)按时间升序排列每组数据
2. floor(n() * 0.5)计算每组需保留的条目数（向下取整，适配示例逻辑），slice_head()提取对应行
3. ungroup()取消分组状态，还原普通数据框格式

两种方案运行后均可得到符合预期的输出结果。

内容的提问来源于stack exchange，提问作者user26423877