如何在Pandas中按列分组并基于指定列首次出现条件去重

我有一个行数较多、仅包含3列的DataFrame，示例数据如下：

import pandas as pd
data = {'line_group': [1,1,8,8,4,4,5,5], 
'route_order': [1,2,1,2,1,2,1,2],
'StartEnd':['20888->20850','20888->20850','20888->20850','20888->20850',
'20961->20960','20961->20960','20961->20960','20961->20960']}
df = pd.DataFrame(data)

我需要使用这份数据绘制点与点之间的路径，比如20888到20850的路径。但问题在于有大量trips/line_group都会经过这两个点，直接绘图会出现大量重叠且渲染速度极慢，不符合预期。
因此我需要筛选出每个唯一StartEnd对应的首个line_group的全部行数据，全量数据中的route_order不只有两段路径，可能包含更多节点（例如1,2,3,4,...）。我尝试过使用如下代码，但没有得到预期结果：

df.drop_duplicates(subset='StartEnd', keep="first")

原因是上述代码只会保留每个StartEnd的第一行记录，无法保留首个line_group对应的全部route_order行。

方案1：transform匹配法 #

通过groupby的transform方法将每个StartEnd对应的首个line_group值广播到组内所有行，再做布尔筛选即可完整保留首个line_group的所有路径节点：

# 新增临时列存储每个StartEnd对应的首个line_group
df['first_line_group'] = df.groupby('StartEnd')['line_group'].transform('first')
# 筛选匹配的行，删除临时列
result = df[df['line_group'] == df['first_line_group']].drop(columns='first_line_group')

方案2：映射表merge法 #

先提取每个StartEnd对应的首个line_group映射表，再通过内连接匹配原表中符合条件的所有行，数据量较大时性能更优：

# 提取每个StartEnd的首个line_group映射
first_groups = df.drop_duplicates('StartEnd', keep='first')[['StartEnd', 'line_group']]
# 内连接匹配所有符合条件的行
result = df.merge(first_groups, on=['StartEnd', 'line_group'], how='inner')

两种方案运行后得到的结果一致，如下所示：

内容的提问来源于stack exchange，提问作者glockm15