Python中按指定列分组，筛选目标值首次出现及之前的行

问题场景 #

我有如下包含重复值的DataFrame：

Column A    Column B
MD223       GATE IN
MD223       GATE OUT
MD223       LOADED
MD223       DEPARTURE
MD223       LOADED
SC511       GATE IN
SC511       LOADED
SC511       SHIPPED
SC511       LOADED
KR977       DISPATCHED
KR977       LOADED
KR977       SHIPPED

需求：按Column A分组，找到每组中Column B首次出现'LOADED'的行，返回该行及之前的所有行。预期结果：

Column A    Column B
MD223       GATE IN
MD223       GATE OUT
MD223       LOADED
SC511       GATE IN
SC511       LOADED
KR977       DISPATCHED
KR977       LOADED

解决方案 #

使用Pandas的分组与索引定位功能即可实现，代码如下：

import pandas as pd

# 构造示例DataFrame
data = {
    'Column A': ['MD223', 'MD223', 'MD223', 'MD223', 'MD223',
                 'SC511', 'SC511', 'SC511', 'SC511',
                 'KR977', 'KR977', 'KR977'],
    'Column B': ['GATE IN', 'GATE OUT', 'LOADED', 'DEPARTURE', 'LOADED',
                 'GATE IN', 'LOADED', 'SHIPPED', 'LOADED',
                 'DISPATCHED', 'LOADED', 'SHIPPED']
}
df = pd.DataFrame(data)

# 分组处理：保留每组首次出现LOADED的行及之前所有行
result = df.groupby('Column A').apply(
    lambda x: x.loc[:x[x['Column B'] == 'LOADED'].index[0]]
).reset_index(drop=True)

print(result)

代码说明 #

1. 分组：通过groupby('Column A')按指定列对数据分组；
2. 定位首次出现位置：对每个分组，用x[x['Column B'] == 'LOADED'].index[0]获取'LOADED'首次出现的行索引；
3. 截取目标行：使用loc[:索引值]截取分组开头到目标索引的所有行；
4. 重置索引：reset_index(drop=True)清除分组生成的多级索引，得到规整的结果。

如果需要兼容部分分组无'LOADED'值的情况，可添加判断避免报错：

result = df.groupby('Column A').apply(
    lambda x: x.loc[:x[x['Column B'] == 'LOADED'].index[0]] if not x[x['Column B'] == 'LOADED'].empty else x
).reset_index(drop=True)

这段代码会保留无'LOADED'分组的全部行，防止索引查找报错。

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