Pandas如何截取指定列首次不满足条件前的所有DataFrame行

现有以DateTime为索引、包含2个数值列的DataFrame，需要提取充电过程的连续剖面数据，判定规则为：指定列取值大于等于同列前一行取值时保留数据，截取到首次出现不满足该规则的行即停止，直接忽略后续所有数据。
前期尝试使用df.diff() >= 0实现逻辑，但该写法会筛选出全表所有满足非递减规则的行，当数据集规模大、列值存在多次上下波动时，无法实现“截断到首次下降位置”的需求。

示例对比 #

原始DataFrame数据 #

X       Y
2021-03-26 15:36:40  0.59   8.19 
2021-03-26 15:36:50  0.59   8.41  
2021-03-26 15:37:00  0.59   8.18
2021-03-26 15:37:10  0.59   8.67
2021-03-26 15:37:20  0.59   8.71

错误逻辑输出（不符合预期） #

使用df.diff() >=0筛选后返回了全表所有非递减行，包含了首次下降后再次回升的段：

X       Y 
2021-03-26 15:36:50  0.59   8.41  
2021-03-26 15:37:10  0.59   8.67
2021-03-26 15:37:20  0.59   8.71

期望输出 #

仅保留首次数值下降前的所有行，后续波动数据全部丢弃：

X       Y
2021-03-26 15:36:40  0.59   8.19 
2021-03-26 15:36:50  0.59   8.41  

核心逻辑是先定位指定列首次出现“当前值小于前一行值”的位置，直接截断到该位置之前即可，不需要遍历全表做逐行筛选。

单判定列实现（以Y列为例） #

import pandas as pd

# 标记Y列所有出现值下降的行
is_decreasing = df['Y'].diff() < 0

# 定位首次下降的行位置，全程无下降则取全表长度
if is_decreasing.any():
    first_drop_idx = is_decreasing.idxmax()
    # 切片保留首次下降行之前的所有数据，排除下降行本身
    charge_segment = df.loc[:first_drop_idx].iloc[:-1]
else:
    # 全程无下降直接返回全量数据
    charge_segment = df

逻辑说明 #

• df['Y'].diff() < 0 逐行计算Y列与前一行的差值，标记所有值下降的行，首行无前序值会返回空值
• 布尔序列的idxmax()方法会直接返回第一个取值为True的行索引，也就是首次出现下降的位置
• 最终切片时通过iloc[:-1]排除首次下降的那一行，仅保留之前的连续非递减充电段

多判定列扩展 #

如果需要X、Y列同时满足非递减规则才保留，任意一列出现下降就截断，只需要修改判定条件即可：

# 任意一列出现下降即标记为截断点
is_decreasing = (df[['X','Y']].diff() < 0).any(axis=1)

if is_decreasing.any():
    first_drop_idx = is_decreasing.idxmax()
    charge_segment = df.loc[:first_drop_idx].iloc[:-1]
else:
    charge_segment = df

内容的提问来源于stack exchange，提问作者OAP