如何在Pandas DataFrame中实现：仅保留Combined_Decision首次为TRUE的记录，后续TRUE需忽略直至Decision_A出现新的TRUE

这个需求核心是要按Decision_A的True值划分数据块，然后在每个块里只保留Combined_Decision首次出现的True记录。我之前处理过类似的分组过滤场景，用Pandas的groupby结合累积统计就能轻松实现，下面一步步来：

1. 先准备示例数据（方便你测试） #

先构造一个和你场景匹配的DataFrame，包含各种边界情况：

import pandas as pd

data = {
    "Decision_A": [False, False, True, False, False, True, False, False, False],
    "Combined_Decision": [True, False, False, True, True, False, True, False, True]
}
df = pd.DataFrame(data)

2. 生成分组键 #

我们需要把数据分割成一个个以Decision_A == True为分界的连续组。利用布尔值转整数后累加的特性，用cumsum()生成分组标识：

df["group_id"] = df["Decision_A"].cumsum()

这样，每次遇到Decision_A == True，group_id就会加1，把后续的行归为新的分组。

3. 标记需要保留的行 #

在每个分组内，我们只保留Combined_Decision == True的首次出现。可以用groupby结合transform，通过累积计数判断是否是首次出现：

df["keep_row"] = df.groupby("group_id")["Combined_Decision"].transform(
    lambda x: x.cumsum() == 1
)

这里x.cumsum()会统计每个分组内Combined_Decision的True出现次数，当次数等于1时，就是该组内的首次True，标记为True。

4. 过滤得到结果 #

最后筛选出标记为keep_row == True的行，再去掉临时列即可：

result_df = df[df["keep_row"]].drop(columns=["group_id", "keep_row"])

如果你的需求是保留所有行，但把分组内非首次的Combined_Decision=True改为False，可以用下面的代码替换步骤3和4：

df["Combined_Decision_filtered"] = df.groupby("group_id")["Combined_Decision"].transform(
    lambda x: x & (x.cumsum() == 1)
)

这样原始的DataFrame会新增一列，只保留每个分组内首次出现的True值。

验证结果 #

拿示例数据测试的话，最终result_df会包含3行：

• 第一组（group_id=0）的第1行（Combined_Decision=True）
• 第二组（group_id=1）的第4行（Combined_Decision=True）
• 第三组（group_id=2）的第7行（Combined_Decision=True）
  完全符合你的需求。

内容的提问来源于stack exchange，提问作者VJKR