按组筛选Pandas DataFrame：仅保留每组最早日期的记录

针对大型数据集，要保留每个分组（按names）中对应最早日期的全部记录，用Pandas可以高效实现：

核心思路 #

1. 按names分组，计算每组的最小日期
2. 将每组的最小日期映射到原数据的每一行，筛选出日期等于对应组最小日期的记录

实现代码 #

# 先确保日期列是datetime类型（示例中已处理，大型数据集建议先做此转换）
# df['dates'] = pd.to_datetime(df['dates'])

# 为每条数据标记其所在组的最早日期
group_min_date = dfex.groupby('names')['dates'].transform('min')

# 筛选符合条件的记录
filtered_df = dfex[dfex['dates'] == group_min_date]

# 查看结果
print(filtered_df)

代码说明 #

• groupby('names')['dates'].transform('min')：对每个names分组计算最早日期，然后将这个值广播到该组的所有行，生成和原数据长度一致的Series，方便直接对比筛选。
• 这种方法是向量式操作，避免了循环遍历分组，处理大型数据集时效率远高于逐组处理的方式。

运行结果 #

运行后会得到符合要求的数据集：

names      dates
0    jim 2019-01-01
1    jim 2019-01-01
2    jim 2019-01-01
9    bob 2019-01-05
10   bob 2019-01-05
15  sara 2019-01-02
16  sara 2019-01-02
17  sara 2019-01-02
18  sara 2019-01-02

内容的提问来源于stack exchange，提问作者John Conor