如何按变量从pandas DataFrame中删除各分组的首年数据

前置准备 #

先将存储日期的Date列从字符串转为pandas datetime格式，否则无法提取年份维度信息：

import pandas as pd
df['Date'] = pd.to_datetime(df['Date'])

方案1：矢量化实现（适合百万级行的股票全量数据，运行效率更高） #

• 按股票代码Symbol分组，通过transform广播计算每只股票分组内的最早交易年份
• 通过布尔索引筛选，仅保留日期年份大于对应股票首年的记录

# 匹配每一行所属股票的首年值
first_year_per_symbol = df.groupby('Symbol')['Date'].dt.year.transform('min')
# 过滤掉所有属于首年的行
df_cleaned = df[df['Date'].dt.year > first_year_per_symbol].copy()

方案2：分组过滤实现（逻辑直观易读，适合中小数据量场景） #

直接对每个股票分组应用过滤规则，删除首年对应的所有记录：

df_cleaned = df.groupby('Symbol', group_keys=False).filter(
    lambda group: group['Date'].dt.year > group['Date'].dt.year.min()
)

补充说明：当前示例中Price列为带$符号的字符串格式，本次删除首年数据的需求不涉及价格字段的格式处理，若后续需要做价格计算，可单独将该列转为数值型。

内容的提问来源于stack exchange，提问作者brise95