如何用Pandas groupby筛选先禁呼后可呼的电话号码

需求说明 #

现有按时间顺序排列的Pandas DataFrame，包含两个核心字段：

• called_to：电话号码
• dispo：呼叫标记（c代表可呼，d代表禁呼）

需要筛选出满足以下条件的号码的完整呼叫记录：该号码的呼叫记录中先出现禁呼标记'd'，之后又出现可呼标记'c'。

示例数据 #

创建示例DataFrame的代码：

import pandas as pd

edf = pd.DataFrame.from_dict({
    'called_to': ['11', '22', '33', '44', '11', '22', '33', '44', '11', '22', '33', '44', '11', '22', '33', '44'],
    'dispo': ['c', 'c', 'd', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'd', 'c', 'd', 'c', 'c']
})

解决方法 #

利用groupby结合自定义判断函数，通过filter方法直接筛选符合条件的分组记录：

步骤1：定义判断函数 #

该函数接收单个号码的分组数据，返回该组是否符合"先'd'后'c'"的条件：

def has_d_followed_by_c(group):
    # 获取当前组内所有'd'的索引位置
    d_positions = group[group['dispo'] == 'd'].index
    # 没有出现'd'的组直接排除
    if len(d_positions) == 0:
        return False
    # 取最后一次出现'd'的位置，检查之后是否存在'c'
    last_d_index = d_positions[-1]
    return (group.loc[last_d_index:]['dispo'] == 'c').any()

步骤2：执行分组筛选 #

调用groupby的filter方法，传入上述函数即可得到符合条件的所有记录：

valid_records = edf.groupby('called_to').filter(has_d_followed_by_c)
print(valid_records)

结果说明 #

运行代码后，输出结果为号码33和44的完整呼叫记录，与预期一致：

called_to dispo
2         33     d
3         44     c
6         33     c
7         44     c
10        33     c
11        44     d
14        33     c
15        44     c

内容的提问来源于stack exchange，提问作者Harvest