基于GroupBy筛选DataFrame：出现Payment Activity后删除后续行

现有DataFrame如下：

ID       Activity     Action No.     
A1       register         1
A1       fill form        2
A2       Payment Done     3
A2       fill form        2
B1       fill form        1
B1       Payment Done     2
B1       Process_drop     3
B1       fill form        1

需求是：当某个ID执行了Payment Done操作后，删除该操作之后的所有行，最终期望得到的DataFrame如下：

ID       Activity     Action No.     
A1       register         1
A1       fill form        2
A2       Payment Done     3
B1       fill form        1
B1       Payment Done     2

这里提供两种基于Pandas的可行实现方式：

方法一：分组定位截断 #

按ID分组后，找到每组中第一个Payment Done的位置，保留该行及之前的所有记录；如果组内没有该操作，则保留全部行。

代码实现：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'ID': ['A1', 'A1', 'A2', 'A2', 'B1', 'B1', 'B1', 'B1'],
    'Activity': ['register', 'fill form', 'Payment Done', 'fill form', 'fill form', 'Payment Done', 'Process_drop', 'fill form'],
    'Action No.': [1, 2, 3, 2, 1, 2, 3, 1]
})

def filter_group(group):
    # 获取组内第一个Payment Done的索引
    payment_pos = group[group['Activity'] == 'Payment Done'].index
    if not payment_pos.empty:
        # 保留到该索引的所有行
        return group.loc[:payment_pos[0]]
    # 没有Payment Done则返回原组
    return group

# 应用分组过滤
result = df.groupby('ID', group_keys=False).apply(filter_group)
print(result)

方法二：累积标记过滤 #

通过分组计算累积标记，标记出Payment Done出现的位置，只保留标记值≤1的行（即未出现Payment，或刚好是Payment的那一行）。

代码实现：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'ID': ['A1', 'A1', 'A2', 'A2', 'B1', 'B1', 'B1', 'B1'],
    'Activity': ['register', 'fill form', 'Payment Done', 'fill form', 'fill form', 'Payment Done', 'Process_drop', 'fill form'],
    'Action No.': [1, 2, 3, 2, 1, 2, 3, 1]
})

# 分组标记：每出现一次Payment Done，累积值加1
df['payment_flag'] = df.groupby('ID')['Activity'].transform(lambda x: x.eq('Payment Done').cumsum())
# 只保留累积值为0（未出现Payment）或1（首次Payment行）的记录
result = df[(df['payment_flag'] <= 1)].drop('payment_flag', axis=1)
print(result)

两种方法都能得到你期望的结果，可根据实际场景选择更适合的方式。

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