Pandas如何筛选actual_Y为cancel的行及其前N行同用户数据

默认你的数据已按每个user_id内的业务顺序（如示例中的id升序）完成排序，若你有专属时间排序字段可替换排序规则。

步骤1：构造测试数据 #

import pandas as pd

# 示例数据构造
data = {
    'id': [1,2,3,4,5,6,7,9],
    'user_id': [10,10,10,15,15,88,88,99],
    'actual_Y': ['renew','renew','cancel','renew','cancel','renew','renew','cancel']
}
df = pd.DataFrame(data)

步骤2：通用筛选函数 #

def filter_cancel_and_pre_n(df, n):
    # 按user_id分组、组内按id升序排序，保证行顺序符合业务逻辑
    df_sorted = df.sort_values(['user_id', 'id']).reset_index(drop=True)
    
    result = []
    for user_id, group in df_sorted.groupby('user_id'):
        # 查找当前用户所有actual_Y为cancel的行的组内位置
        cancel_pos_list = group[group['actual_Y'] == 'cancel'].index.tolist()
        if not cancel_pos_list:
            # 该用户无cancel行直接跳过
            continue
        # 遍历每个cancel行，取对应前N行+cancel本身
        for pos in cancel_pos_list:
            # 起始位置不能小于0
            start = max(0, pos - n)
            # iloc切片左闭右开，所以结束位置取pos+1才能包含cancel行
            target_rows = group.iloc[start:pos+1]
            result.append(target_rows)
    
    # 合并结果并去重，避免同用户多cancel行重复取相同行
    final_df = pd.concat(result).drop_duplicates().reset_index(drop=True)
    return final_df

步骤3：效果测试 #

N=2测试 #

print(filter_cancel_and_pre_n(df, 2))

输出：

id  user_id actual_Y
0   1       10    renew
1   2       10    renew
2   3       10   cancel
3   4       15    renew
4   5       15   cancel
5   9       99   cancel

N=1测试 #

print(filter_cancel_and_pre_n(df, 1))

输出：

id  user_id actual_Y
0   2       10    renew
1   3       10   cancel
2   4       15    renew
3   5       15   cancel
4   9       99   cancel

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