如何筛选GroupBy分组中从起始到首个局部最大值的行？

首先得说，你选filter方法其实不太适配你的需求——filter是用来决定整个组要不要保留的，而你要的是留每个组里从开头到首个局部最大值的部分行。换用groupby.apply或者结合transform的思路会更顺畅，我给你整理两种实用方法：

方法一：用groupby.apply逐个处理分组 #

这个方法逻辑直观，对每个分组单独计算并截取目标行：

def keep_until_first_peak(group):
    # 计算B列的差值，第一行默认算上升趋势（填充1保证>=0成立）
    diff_positive = group['B'].diff().fillna(1) >= 0
    # 累积乘积：只要出现一次下降，后面所有行都会变成0，True只保留到首次下降前
    is_ascending = diff_positive.cumprod() == 1
    # 找到最后一个处于上升阶段的行（也就是首个局部最大值）的索引
    first_peak_idx = is_ascending[is_ascending].index[-1]
    # 返回从组开头到这个索引的所有行
    return group.loc[:first_peak_idx]

# 应用到分组上，最后重置索引去掉层级
result = df.groupby('Flag').apply(keep_until_first_peak).reset_index(drop=True)

方法二：用transform标记目标行（更高效） #

如果你的数据量较大，apply的效率可能稍弱，用transform给每行生成保留标记，直接筛选更快捷：

# 对每个分组，给每行标记是否在首个峰值之前的区间内
df['keep'] = df.groupby('Flag')['B'].transform(
    lambda x: (x.diff().fillna(1) >= 0).cumprod() == 1
)

# 筛选出需要保留的行，最后删掉辅助列
result = df[df['keep']].drop('keep', axis=1)

对你原有思路的补充 #

你原来想用filter做组内索引比较的思路，其实filter做不到——它只能返回True/False决定整个组的去留，没法精细到组内的行。而上面的第二种方法，其实和你原本判断上升趋势的逻辑完全一致，只是用transform把判断结果映射到每一行，直接筛选就行，比找索引再逐个对比简洁多了。

另外，如果你的“局部最大值”是严格意义上的「该行大于前后行」（不是连续上升后的首次下降前一行），可以调整判断逻辑：

def find_first_strict_peak(group):
    # 标记局部最大值：中间行要大于前后，首尾行只需要大于相邻行
    is_peak = (group['B'] > group['B'].shift(1)) & (group['B'] > group['B'].shift(-1))
    is_peak.iloc[0] = group['B'].iloc[0] > group['B'].iloc[1]
    is_peak.iloc[-1] = group['B'].iloc[-1] > group['B'].iloc[-2]
    # 找到第一个峰值的索引，没有峰值就保留整组
    first_peak_idx = is_peak[is_peak].index[0] if any(is_peak) else group.index[-1]
    return group.loc[:first_peak_idx]

result = df.groupby('Flag').apply(find_first_strict_peak).reset_index(drop=True)

你可以根据自己对“局部最大值”的实际定义来选对应的逻辑~

内容的提问来源于stack exchange，提问作者John