如何在Python DataFrame中获取各产品最新日期的平均价格？

你需要处理包含productId、date、price三列的DataFrame，目标是每个产品取最新日期的价格，若同一产品在最新日期有多个价格则计算均值。

示例数据 #

import pandas as pd
data = {"productId":[1,2,1,2,3],
        "date":["2021-01-02","2021-01-02","2021-01-02","2021-01-03","2021-01-03"],
        "price":[12.0,11.3,11.0,9.8,8.7]}
df = pd.DataFrame(data)

原代码报错原因 #

你之前的代码抛出Can only compare identically-labeled Series objects异常，是因为：

• df["date"]是原DataFrame的列，索引为原始行号
• latest_price = df.groupby("productId")["date"].max()得到的是分组后的Series，索引为productId
  两者索引不匹配，直接用==比较会导致维度不兼容的错误。

正确实现方法 #

方法一：分组取最新日期 + 合并筛选 + 聚合均值

这种方法逻辑清晰，适合新手理解：

# 1. 获取每个产品的最新日期，转为带productId的DataFrame
latest_dates = df.groupby("productId")["date"].max().reset_index()
# 2. 合并原DataFrame，只保留日期匹配的记录
filtered_df = df.merge(latest_dates, on=["productId", "date"], how="inner")
# 3. 按产品分组计算均价
result = filtered_df.groupby("productId")["price"].mean().reset_index()

print(result)

输出结果：

productId  price
0          1   11.5
1          2    9.8
2          3    8.7

方法二：用transform标记最新日期（推荐）

利用transform方法让每个行都带上所属产品的最新日期，索引完全匹配，避免合并操作：

# 给每行添加对应产品的最新日期列
df["latest_date"] = df.groupby("productId")["date"].transform("max")
# 筛选出日期等于最新日期的记录
filtered_df = df[df["date"] == df["latest_date"]]
# 分组计算均价
result = filtered_df.groupby("productId")["price"].mean().reset_index()

方法三：用rank窗口函数筛选

通过对日期降序排名，取排名第一的记录（即最新日期）：

# 按产品分组，对日期降序排名，dense保证相同日期排名一致
df["date_rank"] = df.groupby("productId")["date"].rank(ascending=False, method="dense")
# 筛选排名为1的记录（最新日期）
filtered_df = df[df["date_rank"] == 1]
# 计算均价
result = filtered_df.groupby("productId")["price"].mean().reset_index()

说明 #

• 方法二代码最简洁，无需额外合并操作，性能更优
• 方法三适合需要对日期做更复杂排序筛选的场景
• 所有方法最终都能得到每个产品最新日期的价格均值

内容的提问来源于stack exchange，提问作者Focus