フラグのあるリスト行を特定して、最初に登録された日付を集計したい

Question

5万行程度あるcsvファイルに以下のようなデータをもっています。

会員番号	フラグ　　	登録日
aaa	　　　　　	2020年1月1日
aaa		　　　　　2020年1月2日
aaa	　　1	 　　2020年1月3日
bbb	   1	 　　2020年1月4日
bbb		　　　　　2020年1月5日
bbb	　　　 　 　　2020年1月6日
ccc	　　 　 　　　2020年1月7日
ccc	　　　  　　　2020年1月8日

フラグがついた会員番号の行を特定して、
以下のように一番最初に登録された「登録日」と「会員番号」を抽出する方法を教えていただけますと幸いです。

リスト結果		
aaa		2020年1月1日　← フラグが付いているのは3行目ですが、抽出しているのは1行目
bbb		2020年1月4日

Pythonを使い始めて日が浅く自己解決できなかったため相談させていただきました。
よろしくお願いいたします。

Answer 1

ちょっと回りくどいコードですがpandasを使った例を示します。

import pandas as pd
from io import StringIO

# テストデータ
s = """ID,flg,date
aaa,,2020-1-1
aaa,,2020-1-2
aaa,1,2020-1-3
bbb,1,2020-1-4
bbb,,2020-1-5
bbb,,2020-1-6
ccc,,2020-1-7
ccc,,2020-1-8"""
df = pd.read_csv(StringIO(s))
df['date'] = pd.to_datetime(df['date'])
df = df.fillna(0)
df = df.sort_values('date').reset_index(drop=True)
print(df)

ret = df.groupby('ID').filter(lambda x: x['flg'].sum() >= 1).groupby('ID').first()[['date']]
print(ret)
#          date
#ID
#aaa 2020-01-01
#bbb 2020-01-04

Comments

[iios]

いただいたコードでできました！
ありがとうございます！

Answer 2

実現するためのいくつかの選択肢があります

1
pandas を使って該当の行を削除します
(僕は pandas を使ったことがないので残念ながら解説できません)

2
標準の CSV モジュールを使って条件文などを駆使して
ヘッダーの読み飛ばしと不要な行のスキップを実装します
csv --- CSV ファイルの読み書き — Python 3.8.4 ドキュメント
(Python のトレーニングが目的であれば、こちらも良いかもしれません)

3
こちらのパッケージを使うと、標準の CSV モジュールよりは楽に必要な行だけを抽出できます
godslayer · PyPI
Python で 神CSV を読み取るときは God Slayer を使おう | ultra code

Comments

[iios]

ありがとございます！いただいたものを確認してみます！