Question

我有一个包含以下数据的数据框：

invoice_no  dealer  billing_change_previous_month        date
       110       1                              0  2016-12-31
       100       1                         -41981  2017-01-30
      5505       2                              0  2017-01-30
      5635       2                          58730  2016-12-31

我希望只有一位拥有最长日期的经销商。所需的输出应该是这样的：

invoice_no  dealer  billing_change_previous_month        date
       100       1                         -41981  2017-01-30
      5505       2                              0  2017-01-30

每个经销商应该与最大日期不同，提前感谢您的帮助。

Answer 1

您可以使用groupby和transform

来使用布尔索引

df_new = df[df.groupby('dealer').date.transform('max') == df['date']]

    invoice_no  dealer  billing_change_previous_month   date
1   100         1       -41981                          2017-01-30
2   5505        2       0                               2017-01-30

Answer 2

Tack 1

在使用drop_duplicates之前按经销商和日期排序。对于下面的Tack 2中出现的问题，这是盲目的，因为在该方法中不可能为每个经销商提供多个记录。根据您的数据和使用案例，这可能是您的问题，也可能不是。

df.sort_values(['dealer', 'date'], inplace=True)
df.drop_duplicates(['dealer', 'date'], inplace=True)

Tack 2

使用groupby和merge这是一种更糟糕的方法。使用groupby查找每个经销商的最长日期。我们使用how='inner'参数仅包含出现在groupby对象中的经销商和日期组合，其中包含每个经销商的最长日期。

但是，请注意，如果最大日期在原始表格中重复，则每个经销商将返回多个记录。您可能需要使用drop_duplicates，具体取决于您的数据和用例。

df.merge(df.groupby('dealer')['date'].max().reset_index(), 
                             on=['dealer', 'date'], how='inner')

   invoice_no  dealer  billing_change_previous_month        date
0         100       1                         -41981  2017-01-30
1        5505       2                              0  2017-01-30

Answer 3

这里https://stackoverflow.com/a/41531127/9913319是更正确的解决方案：

df.sort_values('date').groupby('dealer').tail(1)

Pandas分组在一列上，另一列python上有最大日期

3 个答案: