如何按组删除DataFrame首次出现'H'后的行并统计前置活动？

一、实现你的思路（步骤2代码） #

你的思路逻辑清晰，以下是完整流程的代码实现，重点补充步骤2的实现：

1. 按Key和Date排序（确保日期顺序正确，即使原数据已排序也建议保留，避免异常情况）

import pandas as pd

df = pd.DataFrame({'Key':[1,1,1,1,2,2,2,4,4,4,5,5],
                   'Activity':['A','A','H','B','B','H','H','A','C','H','H','B'],
                   'Date':['2022-12-03','2022-12-04','2022-12-06','2022-12-08','2022-12-03','2022-12-06','2022-12-10','2022-12-03','2022-12-04','2022-12-07','2022-12-03','2022-12-13']})

# 按Key分组、Date升序排序
df = df.sort_values(['Key', 'Date'])

2. 按组删除'H'首次出现后的所有行
   通过标记组内'H'的累计出现次数，筛选出首次出现前的行：

# 标记每行是否为'H'
df['is_H'] = df['Activity'] == 'H'
# 按组计算'H'的累计出现次数，首次出现后累计值会保持为1及以上
df['cum_H'] = df.groupby('Key')['is_H'].cumsum()
# 筛选累计次数为0的行（即'H'首次出现前的所有行）
df_filtered = df[df['cum_H'] == 0].drop(['is_H', 'cum_H'], axis=1)

3. 按['Key','Activity']分组统计数量

count_result = df_filtered.groupby(['Key', 'Activity']).size().reset_index(name='Count')
print(count_result)

输出结果：

Key Activity  Count
0    1        A      2
1    2        B      1
2    4        A      1
3    4        C      1

二、更优方案（向量化操作，效率更高） #

避免创建中间列，直接用transform实现向量化筛选，适合大数据量场景：

# 1. 确保排序
df_sorted = df.sort_values(['Key', 'Date'])
# 2. 标记每个组内当前行是否在'H'首次出现之前
before_first_H = df_sorted.groupby('Key')['Activity'].transform(
    lambda x: x.eq('H').cumsum() == 0
)
# 3. 筛选后统计数量
optimal_result = df_sorted[before_first_H].groupby(['Key', 'Activity']).size().reset_index(name='Count')
print(optimal_result)

这个方案用transform替代了中间列的创建，逻辑更紧凑，执行效率更高，结果和上述方法完全一致。

补充说明 #

• 对于组内第一个活动就是'H'的情况（如示例中的Key=5），因为'H'首次出现前没有活动，所以不会出现在统计结果中；如果需要显示这类Key的0值，可以追加unstack(fill_value=0).stack()处理。
• 排序步骤必须保留，否则无法保证找到的是首次出现的'H'。

内容的提问来源于stack exchange，提问作者deega