如何提取Pandas数据中各ID状态的最后变更日期？

当你尝试用groupby直接取change_date最大值时，往往无法关联到对应的state——因为单独聚合日期时，状态列会被独立处理，导致日期和状态不匹配。下面是两种可靠的实现方式：

方法1：排序后去重 #

先按ID分组，再对change_date降序排序，保留每个ID的第一行数据，这一行就是该ID最新的状态和变更日期。

import pandas as pd

# 构造示例数据
data = {
    'ID': [1, 1, 2, 2, 3],
    'state': ['active', 'inactive', 'pending', 'active', 'inactive'],
    'change_date': ['2023-04-10 09:30:00', '2023-04-11 14:20:00', 
                   '2023-04-12 10:15:00', '2023-04-12 11:00:40', '2023-04-09 08:00:00']
}
df = pd.DataFrame(data)
# 转换日期格式（如果原始数据不是datetime类型）
df['change_date'] = pd.to_datetime(df['change_date'])

# 排序并去重
result = df.sort_values(['ID', 'change_date'], ascending=[True, False]) \
           .drop_duplicates(subset='ID', keep='first') \
           .reset_index(drop=True)

print(result)

方法2：使用idxmax获取最大日期的索引 #

通过groupby找到每个ID对应change_date最大值的索引，再用loc提取对应行数据。

# 确保日期格式正确
df['change_date'] = pd.to_datetime(df['change_date'])

# 获取每个ID的最大change_date对应的索引
max_date_idx = df.groupby('ID')['change_date'].idxmax()

# 提取目标行
result = df.loc[max_date_idx].reset_index(drop=True)

print(result)

为什么直接groupby取max不可行？ #

如果你直接执行df.groupby('ID').max()，Pandas会对每个列独立聚合：change_date会取最大值，但state会取字符串排序后的最大值（比如'inactive'比'active'优先级高），这会导致状态和最新变更日期不匹配，因此这种方法不能用。

内容的提问来源于stack exchange，提问作者Test