获取由一列划分的第一个匹配项，该列由另一列排序

Question

我的示例代码：

import pandas as pd
df = pd.DataFrame({"ID":['1','1','1','2','2'],
                   "LINE":['1','3','2','1','2'],
                   "TYPE":['0','1','1','1','0']})
# print results
print(df.head())

# a function to label the first type 1 for each ID sorted by line
# currently it only filters to type 1
def label (row):
    if row.TYPE == '1' :
        return True

# add the label in the dataframe
df['label'] = df.apply (lambda row: label(row), axis=1)

# print results
print(df.head())

我想为每个按LINE排序的唯一ID获取第一次出现的TYPE == 1。最终结果应该是：

  ID LINE TYPE label
0  1    1    0  None
1  1    3    1  None
2  1    2    1  True
3  2    1    1  True
4  2    2    0  None

我在这个问题中使用了一个示例，但实际上我要处理300万个数据行，我想知道最有效的方法

Answer 1

使用query筛选TYPE == 1，sort_values对LINE进行排序，最后使用GroupBy.head获得第一次出现：

s = df.query('TYPE == "1"').sort_values('LINE').groupby('ID')['TYPE'].head(1)
df['label'] = df.index.isin(s.index)

或者使用drop_duplicates，哪一种效率更高：

s = df.query('TYPE == "1"').sort_values('LINE').drop_duplicates('ID')
df['label'] = df.index.isin(s.index)

  ID LINE TYPE  label
0  1    1    0  False
1  1    3    1  False
2  1    2    1   True
3  2    1    1   True
4  2    2    0  False