保留具有最新日期的行以匹配ID。删除所有带有旧日期的行以匹配ID

Question

从数据帧中，仅忽略“ decommissioned”中具有column：STATUS的主机。

对于状态同时为“已停用”和“活动”的主机，请选择LAST_MODIFIED比其他主机大的行。

Input.csv

LAST_MODIFIED,       HOST,   STATUS
7/01/2019 10:20:00,  host1,  decommissioned
6/01/2019 02:10:02,  host1,  active
6/01/2019 02:10:02,  host1,  active
5/01/2019 02:10:02,  host1,  decommissioned
6/20/2019 10:20:00,  host2,  active
6/10/2019 01:20:02,  host3,  decommissioned
6/01/2019 02:10:00,  host3,  decommissioned

output.csv

LAST_MODIFIED,       HOST,   STATUS
7/01/2019 10:20:00,  host1,  decommissioned
6/20/2019 10:20:00,  host2,  active

Answer 1

使用transform + any创建遮罩以查找至少具有一个活动元素的组。然后屏蔽sort + groupby + tail，以获得最大的'LAST_MODIFIED'行。

#df['LAST_MODIFIED'] = pd.to_datetime(df.LAST_MODIFIED)

m = df.STATUS.eq('active').groupby(df.HOST).transform('any')
res = df[m].sort_values('LAST_MODIFIED').groupby('HOST').tail(1)

输出：res：

        LAST_MODIFIED   HOST          STATUS
4 2019-06-20 10:20:00  host2          active
0 2019-07-01 10:20:00  host1  decommissioned