Pandas中的Groupby ID并获取另一列中最新日期和值大于0的行

Question

我有一个 csv 文件，我需要在其中找到最新用户活动不等于 0 的 ID。

输入.csv：

 id  date             userActivity 
 1    2020-03-30            0
 2    2020-03-30            1
 3    2020-03-30            0
 1    2020-03-29            10
 2    2020-03-29            33
 3    2020-03-29            0
 1    2020-03-28            2
 2    2020-03-28            0
 3    2020-03-28            9

所需的输出.csv

 id     date             userActivity 
 1    2020-03-29            10
 2    2020-03-30            1
 3    2020-03-28            9

到目前为止我的代码：

 df = pd.read_csv('path/to/my/input.csv')


activUsr = df.groupby('id').userActivity

df[df['id'].isin(activUsr[activUsr != 0].index)].to_csv('path/to/my/output.csv')

但是，它会抛出以下错误消息：

Exception: Column(s) userActivity already selected

有人可以帮我解决这个问题吗？提前致谢！

Answer 1

首先删除0 by boolean indexing 过滤没有0 by Series.ne 的行不相等，然后用DataFrame.sort_values 对两列进行排序，最后删除由id 重复的列并保留最后一行DataFrame.drop_duplicates:

df['date'] = pd.to_datetime(df['date'])
df1 = (df[df['userActivity'].ne(0)]
         .sort_values(['id','date'])
         .drop_duplicates('id', keep='last'))
print (df1)
   id       date  userActivity
3   1 2020-03-29            10
1   2 2020-03-30             1
8   3 2020-03-28             9