对于N = 1（原始问题），使用groupby.transform和布尔索引：

out = dfex[dfex.groupby('names')['dates'].transform('first').eq(dfex['dates'])]

如果初始日期以后在组中可以重复，并且您不想保留以后出现的日期，请用途：

out = dfex[dfex.groupby('names')['dates']
           .transform(lambda s: s.ne(s.shift()).cumsum()).eq(1)]

输出量：

names      dates
0    jim 2019-01-01
1    jim 2019-01-01
2    jim 2019-01-01
9    bob 2019-01-05
10   bob 2019-01-05
15  sara 2019-01-02
16  sara 2019-01-02
17  sara 2019-01-02
18  sara 2019-01-02

第一个N个唯一日期

不考虑其值（仅按位置）

N = 5
out = dfex[dfex.groupby('names')['dates']
           .transform(lambda s: pd. factorize(s)[0]<N)]

或者对于第一个N最早日期：

N = 5
out = dfex[dfex.groupby('names')['dates']
           .rank('dense').le(N)]

输出量：

names      dates
0    jim 2019-01-01
1    jim 2019-01-01
2    jim 2019-01-01
3    jim 2019-01-05
4    jim 2019-01-06
5    jim 2019-01-07
6    jim 2019-01-08
9    bob 2019-01-05
10   bob 2019-01-05
11   bob 2019-01-07
12   bob 2019-01-08
13   bob 2019-01-09
14   bob 2019-01-10
15  sara 2019-01-02
16  sara 2019-01-02
17  sara 2019-01-02
18  sara 2019-01-02
19  sara 2019-01-05
20  sara 2019-01-06
21  sara 2019-01-07
22  sara 2019-01-08

最后一个N唯一

N = 5
out = dfex[dfex[::-1].groupby('names')['dates']
           .transform(lambda s: pd. factorize(s)[0]<N)]

或N最新日期：

N = 5
out = dfex[dfex.groupby('names')['dates']
           .rank('dense', ascending=False).le(N)]

输出量：

names      dates
4    jim 2019-01-06
5    jim 2019-01-07
6    jim 2019-01-08
7    jim 2019-01-09
8    jim 2019-01-10
9    bob 2019-01-05
10   bob 2019-01-05
11   bob 2019-01-07
12   bob 2019-01-08
13   bob 2019-01-09
14   bob 2019-01-10
20  sara 2019-01-06
21  sara 2019-01-07
22  sara 2019-01-08
23  sara 2019-01-09
24  sara 2019-01-10