使用窗口函数筛选分组内最后statut=out的记录及紧随其后的行

实现逻辑 #

核心通过name字段分区建立窗口，配合排序、排名、位移三类窗口操作完成筛选，全程不依赖逐行遍历：

• 先对数据按name分组、组内按time升序重排，保证记录顺序和时间线一致
• 在分区窗口内对所有statut='out'的记录按时间倒序排名，排名为1的即为分组内最后一条out记录
• 用窗口位移函数取每条记录上一行的标记，即可定位到最后一条out记录紧邻的下一行
• 筛选两类标记命中的记录即为最终结果

可运行代码 #

import pandas as pd
import numpy as np

# 构造测试样例数据
df = pd.DataFrame({
    'name': ['A','A','A','A','A','B','B','B','B'],
    'time': [1,2,3,4,5,1,4,7,18],
    'statut': ['in','out','in','out','in','in','in','out','in']
})

# 按分组维度+时间维度排序，保证窗口计算顺序正确
df = df.sort_values(by=['name', 'time'], ascending=[True, True]).reset_index(drop=True)

# 定义分区窗口：按name分组
partition_window = df.groupby('name')

# 标记组内最后一条statut=out的记录：对out记录按time倒序排名，第1名即为目标
df['out_rev_rank'] = partition_window.apply(
    lambda g: g.loc[g['statut'] == 'out', 'time'].rank(ascending=False, method='first')
).reset_index(level=0, drop=True)
df['is_last_out'] = df['out_rev_rank'] == 1

# 标记目标out记录紧邻的下一行：窗口位移取上一行的标记值，自动隔离跨组数据
df['is_next_target'] = partition_window['is_last_out'].shift(1).fillna(False)

# 筛选结果并删除辅助列
result = df[df['is_last_out'] | df['is_next_target']].drop(
    columns=['out_rev_rank', 'is_last_out', 'is_next_target']
).reset_index(drop=True)

print(result)

运行输出 #

name  time statut
0    A     4    out
1    A     5     in
2    B     7    out
3    B    18     in

和预期输出完全一致。

内容的提问来源于stack exchange，提问作者Mamour