重复大熊猫数据框并获取最新记录

Question

我有一个包含重复和更新日期的数据框。开始日期：

我正在寻找的是一种删除重复项并获取最新记录的方法。我知道drop_duplicates（）但只删除了100％相同的行。所以期望的输出看起来像：

我尝试过这样的事情：

grouped = df.groupby(['First Name', 'Middle Name','Last Name','Job Title','Active','Contractor'])
new_data = grouped['Update Date'].agg(np.max).to_frame().reset_index()

但必须有一种更好的方法来做到这一点，而不是按每列进行分组，然后采用更新日期的最大值。 如果我想按某些列进行分组并采用最大更新日期该怎么办？但也要采取其他没有分组的列。

例如按First，middle和Last名称分组，仍然记录最新记录的整个记录​​。

输入：

期望的输出。

谢谢！

Answer 1

drop_duplicates采用subset参数：

ident_fields = ['First Name', 'Middle Name','Last Name']
df = (df.sort_values('Update Date')
      .drop_duplicates(subset=ident_fields, keep='last'))

Answer 2

尽管我的评论，您可以先订购整个数据框，然后再取每组的第一行。

df = df.sort_values('Update Date', ascending=False)
df.groupby(['First Name', 'Middle Name','Last Name']).first().reset_index()