如何按日期与ID分组对Pandas数据做月度重采样并取每组最后值？

最直接高效的实现方式是结合groupby与pd.Grouper，在分组阶段同时完成月份聚合，直接提取每组的最后一条记录：

import pandas as pd

data = [['01/01/2000', 'aaa', 101, 102],
        ['01/02/2000', 'aaa', 201, 202],
        ['01/01/2000', 'bbb', 301, 302],
        ['01/02/2000', 'bbb', 401, 402],]

df = pd.DataFrame(data, columns=['date', 'id', 'val1', 'val2'])
df['date'] = pd.to_datetime(df['date'])

# 核心逻辑：按ID+月份分组，取每组最后一条数据
result = df.groupby(
    ['id', pd.Grouper(key='date', freq='M')]
).last().reset_index()

print(result)

执行后输出符合预期的结果：

id       date  val1  val2
0  aaa 2000-01-31   201   202
1  bbb 2000-01-31   401   402

方案优势 #

• 计算效率高：直接在分组阶段完成月份维度的聚合，避免了冗余的中间计算步骤
• 结果整洁：无需额外处理冗余索引或行，reset_index()直接生成结构清晰的DataFrame

替代实现（逻辑等价） #

也可以通过dt.to_period转换日期为月份周期后分组，效果一致：

result = df.groupby(
    ['id', df['date'].dt.to_period('M')]
).last().reset_index()
# 可选：将周期类型转回datetime格式
result['date'] = result['date'].dt.to_timestamp('M')

内容的提问来源于stack exchange，提问作者mike01010