当存在相同的日期时，选择每条记录的最早日期

Question

我有一个表，每条记录有多个日期。表格示例：

identifier	date	value
a	1985-01-01	ex1
a	1985-01-01	ex2
a	1985-01-03	ex3
b	1990-01-05	ex1
b	1990-05-10	ex4
c	1987-01-01	ex1
c	1987-01-01	ex3
d	1986-01-01	ex1
d	1986-01-01	ex3

我发现了如何使用以下方法提取组中的最早日期：

df2 = df.loc[df.groupby('identifier')['date'].idxmin()]

但是，当我有两个相等的日期时，由于列值按字母顺序排序，我最终总是选择第一个字母值。
我想找到一种方法来随机化这种行为，只要我有相同的日期，以便选择：

• 第一个值第一次
• 第二个值第二次
• 第三个值（只要存在）第 3 次

并相应地重新启动

有没有办法将上面的公式与条件或随机化方法一起使用？我怎样才能做到这一点？

预期输出：

identifier	date	value
a	1985-01-01	ex1
b	1990-01-05	ex1
c	1987-01-01	ex3
d	1986-01-01	ex1

Answer 1

您可以使用：

df[df['date'].eq(df.groupby('identifier')['date'].transform('min'))].groupby('identifier').sample(n=1)