基于最新起始CASE_ID筛选DataFrame并保留全部行的实现问题

需求说明 #

我是Python新手，现在需要实现：根据每个用户的最新起始CASE_ID（即对应STATUS为Start的时间最晚的CASE_ID），筛选出该CASE_ID对应的全部行。

示例数据 #

原DataFrame：

期望结果：

我的尝试代码 #

import pandas as pd
file_path = r'C:\path'

# Read the csv file and extract the specified columns
columns_to_keep=['CUSTOMER_ID', 'CASE_ID', 'CHANGE_TMS','STATUS']
df = pd.read_csv(file_path, usecols=columns_to_keep)

#change column to datetime type
df['CHANGE_TMS'] = pd.to_datetime(df['CHANGE_TMS'])

#sent the index
df.set_index('CASE_ID', inplace=True)

#sort the timestamp column
df.sort_values(by=['CUSTOMER_ID', 'CHANGE_TMS'], inplace=True)
last_case_indices = df.groupby('CASE_ID')['CHANGE_TMS'].first()

print(last_case_indices)

解决方案 #

你的代码问题在于：没有按用户（CUSTOMER_ID）分组去定位每个用户的最新CASE_ID，反而把CASE_ID设为索引，偏离了需求方向。下面是修正后的实现：

步骤说明

1. 先筛选出所有STATUS为Start的行，因为我们要找的是起始时间最晚的CASE_ID
2. 按CUSTOMER_ID分组，找到每个用户下CHANGE_TMS最大的那一行（即最新的Start），提取对应的CASE_ID
3. 用这些CASE_ID去原DataFrame中筛选出所有属于该CASE的行

完整代码

import pandas as pd
file_path = r'C:\path'

# 读取指定列
columns_to_keep=['CUSTOMER_ID', 'CASE_ID', 'CHANGE_TMS','STATUS']
df = pd.read_csv(file_path, usecols=columns_to_keep)

# 转换时间格式（注意如果你的CHANGE_TMS只有时分秒，会自动补当前日期，不影响排序）
df['CHANGE_TMS'] = pd.to_datetime(df['CHANGE_TMS'])

# 1. 筛选所有Start状态的行，找到每个用户最新的Start对应的CASE_ID
start_rows = df[df['STATUS'].str.lower() == 'start']  # 统一小写避免大小写问题
latest_case_per_user = start_rows.loc[start_rows.groupby('CUSTOMER_ID')['CHANGE_TMS'].idxmax(), 'CASE_ID']

# 2. 筛选原DataFrame中属于这些CASE_ID的所有行
result_df = df[df['CASE_ID'].isin(latest_case_per_user)]

print(result_df)

代码解释

• start_rows.groupby('CUSTOMER_ID')['CHANGE_TMS'].idxmax()：找到每个用户下时间最晚的Start行的索引
• loc[..., 'CASE_ID']：提取这些索引对应的CASE_ID
• isin(latest_case_per_user)：筛选原DataFrame中CASE_ID在列表里的所有行

如果你的数据中每个CASE_ID可能跨用户，还可以加上CUSTOMER_ID的匹配，确保准确性：

# 扩展：如果CASE_ID可能跨用户，同时匹配用户和CASE_ID
latest_case_info = start_rows.loc[start_rows.groupby('CUSTOMER_ID')['CHANGE_TMS'].idxmax(), ['CUSTOMER_ID', 'CASE_ID']]
result_df = df.merge(latest_case_info, on=['CUSTOMER_ID', 'CASE_ID'], how='inner')

内容的提问来源于stack exchange，提问作者Mihail Florea