按姓名分组保留日期最新的角色记录技术问询

需求：基于Date列筛选数据，按Name字段分组，保留每组中日期最新的角色记录。
示例数据：

Name    Date        Role
John    01/08/2023  A
John    01/07/2023  B
Steve   01/06/2023  B
Steve   01/04/2023  A

需保留第1行和第3行数据

SQL 实现 #

使用窗口函数ROW_NUMBER()对每组数据按日期倒序排名，筛选排名第一的记录即可：

WITH ranked_data AS (
    SELECT 
        Name,
        Date,
        Role,
        ROW_NUMBER() OVER(PARTITION BY Name ORDER BY STR_TO_DATE(Date, '%d/%m/%Y') DESC) AS rn
    FROM your_table_name
)
SELECT Name, Date, Role
FROM ranked_data
WHERE rn = 1;

• STR_TO_DATE(Date, '%d/%m/%Y')：将字符串格式的日期转换为可排序的日期类型，确保排序逻辑正确；
• PARTITION BY Name：按姓名字段分组；
• ORDER BY ... DESC：让每组内最新的日期排在最前面；
• 最后筛选rn=1，得到每组日期最新的记录。

Python Pandas 实现 #

方法1：排序后分组取首行 #

先将日期列转为标准日期格式，按日期倒序排序后，分组取每组的第一条记录：

import pandas as pd

# 构造示例数据
data = pd.DataFrame({
    'Name': ['John', 'John', 'Steve', 'Steve'],
    'Date': ['01/08/2023', '01/07/2023', '01/06/2023', '01/04/2023'],
    'Role': ['A', 'B', 'B', 'A']
})

# 转换日期格式
data['Date'] = pd.to_datetime(data['Date'], format='%d/%m/%Y')

# 按日期倒序排序，分组后取每组第一条
result = data.sort_values('Date', ascending=False).groupby('Name').first().reset_index()

print(result)

方法2：利用idxmax获取最大日期索引（高效版） #

直接获取每组最大日期对应的行索引，再筛选数据，适合处理大数据量：

import pandas as pd

# 构造并预处理数据（同方法1）
data = pd.DataFrame({
    'Name': ['John', 'John', 'Steve', 'Steve'],
    'Date': ['01/08/2023', '01/07/2023', '01/06/2023', '01/04/2023'],
    'Role': ['A', 'B', 'B', 'A']
})
data['Date'] = pd.to_datetime(data['Date'], format='%d/%m/%Y')

# 获取每组最大日期的行索引，筛选对应数据
max_date_indices = data.groupby('Name')['Date'].idxmax()
result = data.loc[max_date_indices]

print(result)

内容的提问来源于stack exchange，提问作者ad282189323213