Pandas DataFrame日期列取最大值：分组聚合KeyError问题解决

需要根据列类型使用特定聚合函数合并DataFrame多列，但日期列处理遇到问题：

初始化包含2行数据的DataFrame：

import pandas as pd 

data1 = [['Treuman', 0, 'System_0', '2023-07-21'], ['Treuman', 1, 'System_1', "2023-07-21"]] 
df = pd.DataFrame(data1, columns=['Name', 'Grades', 'Systems', 'Request Date']) 

数据如下：

Name    Grades  Systems Request Date
0   Treuman 0   System_0    2023-07-21
1   Treuman 1   System_1    2023-07-21

按Name列分组聚合的代码：

df = df.groupby(['Name'], as_index=False).agg({'Grades': sum,
                                                'Systems': lambda x: ','.join(x),
                                                'Request Date': lambda g: g.loc[pd.to_datetime(df["Request Date"]).idxmax(skipna=True)]
                                                })

此时能得到预期结果：

Name    Grades  Systems Request Date
0   Treuman 1   System_0,System_1   2023-07-21

但添加新的唯一行数据后：

data2 = [['Treuman', 0, 'System_0', '2023-07-21'], ['Treuman', 1, 'System_1', "2023-07-21"], ['Oldman', 1, 'System_1', "2023-06-21"]] 
df = pd.DataFrame(data2, columns=['Name', 'Grades', 'Systems', 'Request Date'])

执行聚合代码会出现KeyError: 0的报错，希望修改代码支持包含唯一行的场景，得到预期结果：

Name    Grades  Systems Request Date
0   Treuman 1   System_0,System_1   2023-07-21
1   Oldman 1   System_1  2023-06-21

报错的核心原因是日期列的lambda函数错误引用了全局的df["Request Date"]：

• pd.to_datetime(df["Request Date"]).idxmax()返回的是整个原始DataFrame中日期最大的行索引（比如示例中是0或1）
• 但分组后，每个组的子数据（g）只包含当前组的行，比如Oldman组只有索引2的行，此时用g.loc[0]去访问组内不存在的索引，就会触发KeyError

修改日期列的聚合逻辑，仅针对当前分组内的数据处理，有两种简洁的实现方式：

方法1：直接取组内日期的最大值 #

日期字符串格式统一时（YYYY-MM-DD）可以直接比较大小，也可以先转为datetime类型确保准确性：

df = df.groupby(['Name'], as_index=False).agg({'Grades': sum,
                                                'Systems': lambda x: ','.join(x),
                                                'Request Date': lambda g: pd.to_datetime(g).max().strftime('%Y-%m-%d')
                                                })

如果不需要转字符串，直接保留datetime类型可以简化为：

df = df.groupby(['Name'], as_index=False).agg({'Grades': sum,
                                                'Systems': lambda x: ','.join(x),
                                                'Request Date': lambda g: pd.to_datetime(g).max()
                                                })

方法2：基于组内数据取索引最大值 #

如果需要通过idxmax实现，要确保在组内的Series上操作：

df = df.groupby(['Name'], as_index=False).agg({'Grades': sum,
                                                'Systems': lambda x: ','.join(x),
                                                'Request Date': lambda g: g.iloc[pd.to_datetime(g).idxmax(skipna=True)]
                                                })

这里用g.iloc（按位置索引）替代g.loc，因为pd.to_datetime(g).idxmax()返回的是组内的位置索引（0-based），而不是原始df的全局索引。

内容的提问来源于stack exchange，提问作者Akula1