Question

我正在寻找与SQL Redshift窗口函数LAST_VALUE（）等效的熊猫。

我有一个序列号报告的熊猫数据框，每天都会追加。

import pandas as pd

data = {'serial_num': [123456, 678901, 123456, 678901], 
'status': ['Good', 'Good', 'BAD', 'BAD'], 
'last_check':['2020-03-02','2020-03-02','2020-03-01','2020-03-01']}
new_br = pd.DataFrame.from_dict(data)


new_br

serial_num status last_check
123456     Good   2020-03-02
678901     Good   2020-03-02
123456     BAD    2020-03-01
678901     BAD    2020-03-01

我希望最大值last_check（按serial_num分组）并保留所有列（我的实际数据集有更多列）。

到目前为止，我的代码是：

new_br.set_index('last_check').groupby('serial_num').max()

serial_num  status
123456      Good
678901      Good

但是，这会删除last_check列。如何保存日期列，类似于SQL Redshift中的LAST_VALUE（）函数？

我的预期输出是：

serial_num  status last_check
123456      Good    2020-03-02
678901      Good    2020-03-02

Answer 1

将groupby.idxmax与loc一起使用：

data = {'serial_num': [123456, 678901, 123456, 678901], 
'status': ['Good', 'Good', 'BAD', 'BAD'], 
'last_check':['2020-03-02','2020-03-02','2020-03-01','2020-03-01']}
new_br = pd.DataFrame.from_dict(data)

print(new_br.dtypes)

# serial_num     int64
# status        object
# last_check    object
# dtype: object

# if last_check is not datetime dtype run this first
new_br['last_check'] = pd.to_datetime(new_br['last_check'])

new_br.loc[new_br.groupby('serial_num')['last_check'].idxmax()]

[出]

   serial_num status last_check
0      123456   Good 2020-03-02
1      678901   Good 2020-03-02

相当于SQL LAST_VALUE（以熊猫为单位）

1 个答案: