Поиск последних n групп строк в фрейме данных

Вы можете пройтись по каждому уникальному событию и взять верхнее n раз из каждого. Затем объедините результаты вместе:

n = 3
event_dfs = []
for event in df['Event'].unique():
   sub_df = df.loc[df['Event'] == event]
   max_times = sub_df['Time'].nlargest(n=n)
   event_dfs.append(sub_df.loc[sub_df['Time'].isin(max_times)])

result = pd.concat(event_dfs)

Факторизируйте дату и сохраните n самых высоких значений (при условии, что ваш фрейм данных уже отсортирован по времени)

# Number of snapshot you want to keep
n = 3 

# Create a boolean mask
m = (df.assign(val=pd.factorize(df['Time'])[0])
       .groupby('Ref')['val']
       .transform(lambda x: x.max() - x < n))

out = df[m]

Выход:

>>> out
                   Time       Ref  Event           EndTime   TestId TestNames  Result
9   21/03/2016 13:05:16  1.123718  At223  01/04/2016 16:00    28212       One     NaN
10  21/03/2016 13:05:16  1.123718  At223  01/04/2016 16:00   466299       Two    4.50
11  21/03/2016 13:05:16  1.123718  At223  01/04/2016 16:00    58805     Three     NaN
12  21/03/2016 13:14:22  1.123718  At223  01/04/2016 16:00    28212       One     NaN
13  21/03/2016 13:14:22  1.123718  At223  01/04/2016 16:00   466299       Two    4.50
14  21/03/2016 13:14:22  1.123718  At223  01/04/2016 16:00    58805     Three     NaN
15  01/04/2016 10:37:43  1.123718  At223  01/04/2016 16:00    28212       One     NaN
16  01/04/2016 10:37:43  1.123718  At223  01/04/2016 16:00   466299       Two    4.50
17  01/04/2016 10:37:43  1.123718  At223  01/04/2016 16:00    58805     Three     NaN
21  21/03/2016 13:03:48  1.123720   Br12  03/04/2016 16:00    28214     Eight    7.20
22  21/03/2016 13:03:48  1.123720   Br12  03/04/2016 16:00  1212772      Nine    1.58
23  21/03/2016 13:03:48  1.123720   Br12  03/04/2016 16:00    58805       Ten    4.40
24  21/03/2016 13:19:15  1.123720   Br12  03/04/2016 16:00    28214     Eight    7.20
25  21/03/2016 13:19:15  1.123720   Br12  03/04/2016 16:00  1212772      Nine    1.58
26  21/03/2016 13:19:15  1.123720   Br12  03/04/2016 16:00    58805       Ten    4.50
27  01/04/2016 12:48:13  1.123720   Br12  03/04/2016 16:00    28214     Eight    7.20
28  01/04/2016 12:48:13  1.123720   Br12  03/04/2016 16:00  1212772      Nine    1.59
29  01/04/2016 12:48:13  1.123720   Br12  03/04/2016 16:00    58805       Ten    4.50

Вы можете использовать apply после groupby

И создайте функцию, которая обрабатывает кадры данных только с одним Ref

def extract_n_last_times(n: int):
    def extract_last_times(group: pd.DataFrame):
        times = group.sort_values("Time")["Time"].unique()
        return group[group["Time"].isin(times[-n:])]
    return extract_last_times

df.sort_values(["Ref", "Time"]).groupby("Ref", group_keys=False).apply(extract_n_last_times(n=3))