目前，我正在研究这种数据集：
date income account flag day month year
0 2018-04-13 470.57 1000 0002 8 13 4 2018
1 2018-04-14 375.54 1000 0002 8 14 4 2018
2 2018-05-15 375.54 1000 0002 8 15 5 2018
3 2018-05-16 229.04 1000 0002 7 16 5 2018
4 2018-06-17 216.62 1000 0002 7 17 6 2018
5 2018-06-18 161.61 1000 0002 6 18 6 2018
6 2018-04-19 131.87 0000 0001 6 19 4 2018
7 2018-04-20 100.57 0000 0001 6 20 4 2018
8 2018-08-21 100.57 0000 0001 6 21 8 2018
9 2018-08-22 50.57 0000 0001 5 22 8 2018
我正在研究DecisionTree回归模型，将RandomForest与ExtraTrees进行比较，并调整其一些超参数。我目前正在尝试对数据集进行拆分，以保留每个唯一值month的列account的最大值的行（如果设置为更简单的方法）作为test_set，其他的作为train_set。基本上，这意味着将使用所有可用的历史数据进行回归，但属于上一个可用月份的数据将用于验证mse。
我知道如何根据诸如df[df['month'] < 12]之类的静态标准来过滤数据帧，但是在这种情况下，我需要保持属于最大月份的所有行可用于每个不同的account值。
从以前的数据集中，我应该能够得到类似的信息：df_test =
date income account flag day month year
4 2018-06-17 216.62 1000 0002 7 17 6 2018
5 2018-06-18 161.61 1000 0002 6 18 6 2018
8 2018-08-21 100.57 0000 0001 6 21 8 2018
9 2018-08-22 50.57 0000 0001 5 22 8 2018
还有df_train =
date income account flag day month year
0 2018-04-13 470.57 1000 0002 8 13 4 2018
1 2018-04-14 375.54 1000 0002 8 14 4 2018
2 2018-05-15 375.54 1000 0002 8 15 5 2018
3 2018-05-16 229.04 1000 0002 7 16 5 2018
6 2018-04-19 131.87 0000 0001 6 19 4 2018
7 2018-04-20 100.57 0000 0001 6 20 4 2018
例如，对于df['account'] = 1000 0002，我可以使用第4个月和第5个月进行预测，并使用第6个月进行验证。谢谢！
答案 0 :(得分：5)
您可以使用transform
test=df[df.month==df.groupby('account').month.transform('max')].copy()
train=df.drop(test.index)
test
Out[643]:
date income account flag day month year
4 2018-06-17 216.62 10000002 7 17 6 2018
5 2018-06-18 161.61 10000002 6 18 6 2018
8 2018-08-21 100.57 1 6 21 8 2018
9 2018-08-22 50.57 1 5 22 8 2018