Pandas 如何保留目标值首次出现前的行

本文介绍两种高效方法：使用 `~df[col].eq(val).cummax()` 布尔索引，或（当目标值必然存在时）用 `df.iloc[:np.argmax(df[col].eq(val))]` 切片，精准提取某列中指定值首次出现前的全部数据。

在数据分析中，常需截取“某关键事件发生前”的历史数据——例如，在用户首次付费（Count == 1）前的所有行为记录。Pandas 提供了简洁而高效的向量化方案，无需循环或 iterrows()。

✅ 推荐方法：~df[col].eq(val).cummax()

核心逻辑是：

1. df['Count'].eq(1) → 生成布尔 Series：[False, False, True, False, True]；
2. .cummax() → 累积最大值（即首次 True 后全为 True）：[False, False, True, True, True]；
3. ~ 取反 → 得到保留掩码：[True, True, False, False, False]；
4. 布尔索引直接筛选。

import pandas as pd

df = pd.DataFrame({
    'Year': [1997, 1998, 1999, 2000, 2001],
    'ID':   [1,    2,    3,    4,    5],
    'Count': [0,   0,    1,    0,    1]
})

result = df[~df['Count'].eq(1).cummax()]
print(result)

输出：

   Year  ID  Count
0  1997   1      0
1  1998   2      0

✅ 优势：健壮、通用、可读性强；即使目标值（如 1）不存在，也会返回全部行（因 cummax() 全为 False，取反后全 True）。

⚠️ 备选方法：iloc[:np.argmax(...)]（仅限目标值必然存在）

若业务逻辑确保 Count == 1 至少出现一次，可用 np.argmax 获取首个匹配索引：

import numpy as np

# 注意：argmax 返回第一个 True 的位置；若全为 False，将返回 0（错误！）
result = df.iloc[:np.argmax(df['Count'].eq(1))]

⚠️ 重要警告：np.argmax 在未找到匹配项时不会报错，而是返回 0，导致结果为空 DataFrame（df.iloc[:0]）。因此，强烈建议仅在已验证目标值存在时使用此法，或添加安全检查：

mask = df['Count'].eq(1)
if mask.any():
    result = df.iloc[:np.argmax(mask)]
else:
    result = df.copy()  # 或按需处理无匹配场景

? 总结

无论哪种方式，都避免了低效的逐行遍历，充分利用 Pandas 向量化能力，兼顾代码简洁性与生产鲁棒性。