如何使用Pandas删除某列指定值出现之前的所有行

你的需求是在每个event_1分组内，保留第一次出现"Del"的行及之后的所有行，原代码用groupby.apply导致运行卡顿，主要是因为apply逐组处理的效率较低，尤其是数据量较大时。下面给你两种更高效的解决方案：

方法一：利用transform定位第一个"Del"的位置 #

这种方法先定位每个组内第一个"Del"的索引，再筛选出该索引之后的所有行：

import pandas as pd

# 构建示例DataFrame
data = {
    'event_1': [1, 1, 1, 1],
    'event_2': [1, 1, 'Del', 1],
    'event_3': [1, 1, 1, 1]
}
result = pd.DataFrame(data)

# 对每个event_1组，获取第一个"Del"的索引；如果组内无"Del"，则取组内第一行索引（可按需调整）
first_del_pos = result.groupby('event_1')['event_2'].transform(
    lambda x: x[x == 'Del'].index[0] if (x == 'Del').any() else x.index[0]
)

# 筛选索引大于等于第一个"Del"位置的行
filtered_df = result[result.index >= first_del_pos].reset_index(drop=True)

方法二：用cummax标记有效行 #

这种方法通过累积标记的方式，快速筛选出"Del"出现后的所有行，效率更高：

# 给每个组添加标记：从第一个"Del"开始，后续所有行标记为True
result['keep_row'] = result.groupby('event_1')['event_2'].transform(
    lambda x: (x == 'Del').cummax()
)

# 筛选有效行并清理临时列
filtered_df = result[result['keep_row']].drop('keep_row', axis=1).reset_index(drop=True)

运行后你会得到预期的结果：

event_1 event_2  event_3
0        1     Del        1
1        1       1        1

为什么原代码会卡顿？ #

groupby.apply是逐组执行lambda函数，属于循环式操作，当数据量较大时，这种方式的性能会很差。而上面两种方法用transform实现向量化操作，能大幅提升运行速度。

另外，如果你的数据中存在没有"Del"的event_1组，可以根据需求调整逻辑：比如要删除整个无"Del"的组，方法二中的(x == 'Del').cummax()会让无"Del"的组标记全为False，自动被过滤；如果要保留整个组，方法一的逻辑已经覆盖这种情况。

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