如何筛选满足ecom早于sales条件的MultiIndex DataFrame数据

实现逻辑 #

核心判断规则为：对每个(partner, employer)分组，仅保留首次ecom=1的日期早于首次sales=1的日期的分组的全部行。

具体代码实现 #

假设你已经构造好了对应的MultiIndex结构DataFrame，命名为df：

import pandas as pd

# 第一步：将date列转为datetime类型，避免字符串日期比较出现逻辑错误
# 原数据日期格式为月/日/年，因此format指定为%m/%d/%y
df['date'] = pd.to_datetime(df['date'], format='%m/%d/%y')

# 第二步：定义分组过滤规则
def check_group(g):
    # 获取当前组ecom首次为1的最早日期
    first_ecom_date = g[g['ecom'] == 1]['date'].min()
    # 获取当前组sales首次为1的最早日期
    first_sales_date = g[g['sales'] == 1]['date'].min()
    # 仅当两个有效日期都存在、且ecom日期更早时，保留该组全部行
    return pd.notna(first_ecom_date) and pd.notna(first_sales_date) and first_ecom_date < first_sales_date

# 第三步：按partner、employer分组执行过滤
# 因为是多级索引，直接指定level对应索引名即可
result_df = df.groupby(level=['partner', 'employer']).filter(check_group)

# 可选步骤：如果需要将日期转回原字符串显示格式
result_df['date'] = result_df['date'].dt.strftime('%m/%d/%y')

结果说明 #

示例中(A,b)分组的sales=1首次出现日期为2021-10-01，早于ecom=1的首次出现日期2021-10-02，因此该组所有行都会被排除，最终输出和你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者gutedaama