Python相当于R的seq_len，切片，在哪里？

Question

从

R过渡到Python，我很难复制以下代码：

df = df %>% group_by(ID) %>% slice(seq_len(min(which(F < 1 & d == 8), n()))

示例数据：

ID     Price        F         D
 1      10.1       1          NAN
 1      10.4       1          NAN 
 1      10.6      .8           8
 1      8.1       .8          NAN
 1      8.5       .8          NAN 
 2      22.4       2          NAN
 2      22.1       2          NAN
 2      21.1      .9           8
 2      20.1      .9          NAN
 2      20.1      .9           6

具有所需的输出：

ID     Price       F           D
 1      10.1       1          NAN
 1      10.4       1          NAN 
 2      22.4       2          NAN
 2      22.1       2          NAN

我相信python中的代码将包括某种：np.where， cumcount(( 和 slice.

但是，我不知道我将如何做到这一点。任何帮助将不胜感激，谢谢。

编辑：对于将来任何来我的问题并希望找到解决方案的人 - yatu的解决方案工作得很好 - 但我已经努力进入另一个解决方案，我发现它更容易阅读：

df['temp'] = np.where((df['F'] < 1) & (df['D'] == 8), 1, 0)
mask = df.groupby(ID)['temp'].cumsum().eq(0)
df[mask]

我已经阅读了一点关于掩蔽的内容，它确实有助于简化 python 的复杂性！

Answer 1

您可以使用以下条件为数据帧编制索引：

c1 = ~df.Distro.eq(8).groupby(df.ID).cumsum()
c2 = df.Factor.lt(1).groupby(df.ID).cumsum().eq(0)
df[c1 & c2]
   ID  Price  Factor  Distro
0   1   10.1     1.0    NAN
1   1   10.4     1.0    NAN
5   2   22.4     2.0    NAN
6   2   22.1     2.0    NAN

请注意，通过取布尔序列的.cumsum，您实际上是在传播True值，因此一旦出现True，剩余的值就会True。此结果(已取反(可用于在出现值时立即从数据帧中删除行。

---

详

以下数据帧

显示原始数据帧以及用于为其编制索引的条件。在这种情况下，给定指定的条件发生在同一行中，两个条件显示相同的行为：

df.assign(c1=c1, c2=c2)
   ID  Price  Factor Distro     c1     c2
0   1   10.1     1.0    NAN   True   True
1   1   10.4     1.0    NAN   True   True
2   1   10.6     0.8      8  False  False
3   1    8.1     0.8    NAN  False  False
4   1    8.5     0.8    NAN  False  False
5   2   22.4     2.0    NAN   True   True
6   2   22.1     2.0    NAN   True   True
7   2   21.1     0.9      8  False  False
8   2   20.1     0.9    NAN  False  False
9   2   20.1     0.9      6  False  False