Pandas：按名称分组并按最近日期排列答案

【问题标题】：Pandas: Group by Name and Take Row With Most Recent DatePandas：按名称分组并按最近日期排列
【发布时间】：2018-12-22 01:14:08
【问题描述】：

我有一个带有 A, B, C, D, date 列的 Pandas DataFrame。我想过滤掉A 和B 的重复项，保留date 中具有最新值的行。

所以如果我有两行看起来像：

A B C D date

1 1 2 3 1/1/18

1 1 2 3 1/1/17

正确的输出是：

A B C D date

1 1 2 3 1/1/18

我可以通过循环来做到这一点，但我想使用df.groupby(['A', 'B'])，然后通过取每个组中date 的最大值来聚合。

我试过了：

df.groupby(['A', 'B']).agg(lambda x: x.iloc[x.date.argmax()])

但我明白了：

AttributeError: 'Series' object has no attribute 'date'

知道我做错了什么吗？

编辑：嗯，如果我这样做：

df.groupby(['A', 'B']).UPDATED_AT.max()

我得到了我想要的大部分内容，但我丢失了 D 和 C 列...

【问题讨论】：

【解决方案1】：

你可以用

df.date=pd.to_datetime(df.date)
df.sort_values('date').drop_duplicates(['A','B'],keep='last')
   A  B  C  D       date
0  1  1  2  3 2018-01-01

【讨论】：

【解决方案2】：

试试df.groupby(['A', 'B']).agg(lambda x: x.iloc[x['date'].argmax()]) pandas 有自己的日期对象。也许 pandas 对系列名称感到困惑。

【讨论】：

【解决方案3】：

df = pd.DataFrame([[1, 1, 2, 3, '1/1/18'],
                    [1, 1, 2, 3, '1/1/17']], 
                    columns=['A', 'B', 'C', 'D', 'date'])

输出：

    A   B   C   D   date
0   1   1   2   3   1/1/18
1   1   1   2   3   1/1/17

分组 d 删除重复项：

df.groupby(['A', 'B']).agg(
    {
        'date': 'max'
    })

输出：

        date
A   B   
1   1   1/1/18

这应该可行。将“日期”列作为日期时间对象可能会更好。

【讨论】：