Joan Concha

Hello everyone, and thank you for seeing my post.
What I need seems kind of basic, but I'm struggling with it, so I would appreciate your help.

This code:

   data = pd.DataFrame({'id' : ['a100', 'a100', 'a100', 'a200', 'a200', 'a200','a300','a300', 'a300', 'a400', 'a400', 'a400', 'a500', 'a500', 'a500', 'a600', 'a600', 'a600', 'a700', 'a700', 'a700', 'a800', 'a800', 'a800', 'a900', 'a900', 'a900'],
                    'type': ['euro', 'dollar', 'yen', 'euro', 'dollar', 'yen','euro', 'dollar', 'yen', 'euro', 'dollar', 'yen', 'euro', 'dollar', 'yen', 'euro', 'dollar', 'yen', 'euro', 'dollar', 'yen', 'euro', 'dollar', 'yen', 'euro', 'dollar', 'yen'],
                   'model': ['EQ', 'EQ', 'EQ', 'MC', 'MC', 'MC', 'EQ','EQ', 'EQ', 'MC', 'MC', 'MC', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ', 'EQ'],
                    'status_ant': ['A', 'A', 'A', 'A', 'A', 'A', 'B', 'C', 'A', 'B', 'C', 'A', 'A', 'A', 'A', 'B', 'C', 'B', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A'],
                    'status': ['B', 'C', 'A', 'B', 'C', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'C', 'B', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'A', 'B', 'A', 'C', 'C']
                    })

results in this dataframe:

           id     type   model   status_ant status
    0   a100    euro    EQ           A        B
    1   a100  dollar     EQ          A        C
    2   a100     yen    EQ           A        A
    3   a200    euro    MC          A        B
    4   a200  dollar    MC           A        C
    5   a200     yen    MC           A        A
    6   a300    euro    EQ           B        A
    7   a300  dollar    EQ           C        A
    8   a300     yen    EQ           A        A
    9   a400    euro    MC          B        A
   10  a400  dollar    MC           C        A
   11  a400     yen    MC           A        A
   12  a500    euro    EQ           A        B
   13  a500  dollar    EQ           A        C
   14  a500     yen    EQ           A        B
   15  a600    euro    EQ           B        A
   16  a600  dollar    EQ           C        A
   17  a600     yen    EQ           B        A
   18  a700    euro    EQ           A        A
   19  a700  dollar    EQ           A        A
   20  a700     yen    EQ           A        B
   21  a800    euro    EQ           A        B
   22  a800  dollar    EQ           A        A
   23  a800     yen    EQ           A        B
   24  a900    euro    EQ           A        A
   25  a900  dollar    EQ           A        C
   26  a900     yen    EQ           A        C



I need to filter the rows I want using some conditions. The logic I need is this one:


* First of all, these conditions I will mention should only apply to rows where model == 'EQ'.

* If there's a row where:

status_ant == 'A' and status == 'B' and type == 'euro'

AND there's another row WITHIN the same group (by id) where
 
status_ant == 'A' and status == 'C' and type == 'dollar'

drop those two rows (else, keep them). The same logic applies for rows were:

status_ant == 'B' and status == 'A' and type == 'euro'

AND there's another row WITHIN the same group (by id) where

status_ant == 'C' and status == 'A' and type == 'dollar'

The row with type == 'yen' shouldn't be dropped whatever the values in status_ant and status are.


Note: I know it might be confusing, but the resulting dataframe I want is this one (it exemplifies very well all the conditions I mentioned):


         id     type   model   status_ant status
    2   a100     yen    EQ          A       A
    3   a200    euro    MC          A       B
    4   a200  dollar    MC          A       C
    5   a200     yen    MC          A       A
    8   a300     yen    EQ           A       A
    9   a400    euro    MC          B       A
    10  a400  dollar    MC          C       A
    11  a400     yen    MC          A       A
    14  a500     yen    EQ          A       B
    17  a600     yen    EQ          B       A
    18  a700    euro    EQ          A       A
    19  a700  dollar    EQ          A       A
    20  a700     yen    EQ          A       B
    21  a800    euro    EQ          A       B
    22  a800  dollar    EQ          A       A
    23  a800     yen    EQ          A       B
    24  a900    euro    EQ          A       A
    25  a900  dollar    EQ          A       C
    26  a900     yen    EQ          A       C

I was looking for the answer and found something similar here: [Pandas: Comparing rows within groups](https://stackoverflow.com/questions/48819644/pandas-comparing-rows-within-groups)
but couldn't make it work for my code. I do think an apply and groupby is what I need.

Really appreciate your help and your time. Thank you