如何在Pandas DataFrame中为每个ID保留最早的两个日期

没问题，咱们可以用Pandas的分组、排序和筛选组合操作来实现这个需求，而且得先处理日期格式的问题，不然字符串排序会出错哦。我来一步步给你演示：

步骤分解 #

1. 转换日期列类型：原数据里的start_date是字符串格式，直接排序会按字符顺序来（比如01/05/2010字符串排序会比08/08/2009靠前，但实际2009年的日期更早），所以首先要把它转换成datetime类型。
2. 分组排序：按id分组，然后对每个组内的日期进行升序排序（让最早的日期排在前面）。
3. 筛选前N行：对每个分组保留前2行数据，如果某个ID只有1条记录（比如示例里的id=3），就自动保留这条记录。

完整代码实现 #

import pandas as pd

# 初始化原DataFrame
df = pd.DataFrame(
    [['1','01/01/2000'], ['1','01/07/2002'],['1', '04/05/2003'], 
     ['2','01/05/2010'], ['2','08/08/2009'], ['3','12/11/2008']],
    columns=['id','start_date']
)

# 1. 转换日期列格式，指定格式避免解析错误
df['start_date'] = pd.to_datetime(df['start_date'], format='%m/%d/%Y')

# 2. 分组+排序+取前2行，最后重置索引
result_df = df.sort_values(['id', 'start_date']) \
              .groupby('id').head(2) \
              .reset_index(drop=True)

# 把日期转回原字符串格式（如果需要的话）
result_df['start_date'] = result_df['start_date'].dt.strftime('%m/%d/%Y')

print(result_df)

输出结果 #

id start_date
0  1  01/01/2000
1  1  01/07/2002
2  2  08/08/2009
3  2  01/05/2010
4  3  12/11/2008

补充说明 #

• 如果不需要把日期转回字符串格式，可以去掉最后一步dt.strftime的操作，保留datetime类型更方便后续处理。
• groupby('id').head(2)会自动处理分组内数据不足2行的情况，直接保留所有行，非常灵活。

内容的提问来源于stack exchange，提问作者gtomer