保留最新值并删除旧行（熊猫）答案

【问题标题】：Keep the most recent values and drop older rows (pandas)保留最新值并删除旧行（熊猫）
【发布时间】：2017-05-24 16:29:33
【问题描述】：

我在下面有一个数据框表，其中包含新值和旧值。我想删除所有旧值，同时保留新值。

ID    Name     Time    Comment
0     Foo   12:17:37   Rand
1     Foo   12:17:37   Rand1
2     Foo   08:20:00   Rand2
3     Foo   08:20:00   Rand3
4     Bar   09:01:00   Rand4
5     Bar   09:01:00   Rand5
6     Bar   08:50:50   Rand6
7     Bar   08:50:00   Rand7

因此它应该是这样的：

ID    Name     Time    Comment
0     Foo   12:17:37   Rand
1     Foo   12:17:37   Rand1
4     Bar   09:01:00   Rand4
5     Bar   09:01:00   Rand5

我尝试使用下面的代码，但这会删除 1 个新值和 1 个旧值。

df[~df[['Time', 'Comment']].duplicated(keep='first')]

谁能提供正确的解决方案？

【问题讨论】：

标签： python datetime pandas dataframe

【解决方案1】：

我认为您可以将此解决方案与to_timedelta 一起使用，如果需要按列Time 的最大值过滤：

df.Time = pd.to_timedelta(df.Time)
df = df[df.Time == df.Time.max()]
print (df)
   ID Name     Time Comment
0   0  Foo 12:17:37    Rand
1   1  Foo 12:17:37   Rand1

编辑后的解决方案类似，只是添加了groupby:

df = df.groupby('Name', sort=False)
       .apply(lambda x: x[x.Time == x.Time.max()])
       .reset_index(drop=True)
print (df)
   ID Name     Time Comment
0   0  Foo 12:17:37    Rand
1   1  Foo 12:17:37   Rand1
2   4  Bar 09:01:00   Rand4
3   5  Bar 09:01:00   Rand5

【讨论】：

由于 cmets 格式不佳，您可以编辑问题吗？
如果解决方案不起作用，请尝试使用所需的输出创建minimal, complete, and verifiable example。
会的。顺便说一句，这可行，但不是我想要的。让我更新一下问题。

【解决方案2】：

您可以将组的最大值合并回原始 DF：

df['Time'] = pd.to_timedelta(df['Time'])

In [35]: pd.merge(df, df.groupby('Name', as_index=False)['Time'].max(), on=['Name','Time'])
Out[35]:
   ID Name     Time Comment
0   0  Foo 12:17:37    Rand
1   1  Foo 12:17:37   Rand1
2   4  Bar 09:01:00   Rand4
3   5  Bar 09:01:00   Rand5

解释：

In [36]: df.groupby('Name', as_index=False)['Time'].max()
Out[36]:
  Name     Time
0  Bar 09:01:00
1  Foo 12:17:37

【讨论】：