如何使用Pandas按类别过滤指定日期之前的数据？

原始数据表格：

col-1   col-2
A       Day-1
A       Day-2
A       Day-4
A       Day-5
B       Day-1
B       Day-2
B       Day-3
B       Day-6
B       Day-7

需要借助以下pd.Series作为每个类别的截止日期：

A      Day-1
B      Day-6

处理后需保留每个类别中截止日期及之前的数据，最终结果如下：

col-1   col-2
A       Day-1
B       Day-1
B       Day-2
B       Day-3
B       Day-6

请问如何用Pandas实现该需求？

完全可以实现，具体操作如下：

• 准备数据
  先将原始数据转为DataFrame，截止日期转为以类别名为索引的Series：

  import pandas as pd
  
  # 原始数据
  df = pd.DataFrame({
      'col-1': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
      'col-2': ['Day-1', 'Day-2', 'Day-4', 'Day-5', 'Day-1', 'Day-2', 'Day-3', 'Day-6', 'Day-7']
  })
  
  # 截止日期Series
  cutoff_series = pd.Series(['Day-1', 'Day-6'], index=['A', 'B'], name='cutoff')
  

• 匹配截止日期
  通过col-1字段，将每个类别的截止日期匹配到原始数据的对应行：

  df = df.merge(cutoff_series, left_on='col-1', right_index=True)
  

• 提取日期数值并筛选
  从日期字符串中提取数字部分，转为整数后，筛选出每个类别中日期数字小于等于截止日期数字的行：

  # 提取日期中的数字
  df['day_num'] = df['col-2'].str.extract(r'Day-(\d+)').astype(int)
  df['cutoff_num'] = df['cutoff'].str.extract(r'Day-(\d+)').astype(int)
  
  # 筛选符合条件的数据
  result = df[df['day_num'] <= df['cutoff_num']][['col-1', 'col-2']]
  

• 查看最终结果
  输出result即可得到目标表格：

  col-1  col-2
  0     A  Day-1
  4     B  Day-1
  5     B  Day-2
  6     B  Day-3
  7     B  Day-6
  

如果你的日期格式包含更复杂的时间信息（如年月），可以先将col-2转换为datetime类型后再进行比较，核心逻辑保持一致。

内容的提问来源于stack exchange，提问作者JohnTroy