执行groupby操作后，如何从DataFrame中获取其他列？

核心问题分析 #

你原来的代码存在两个关键问题：

• 用x.day分组会把不同月份的同一天（比如1月1日和2月1日）错误归为一组，逻辑不严谨；
• grouping.apply(...)返回的是单个布尔值，无法携带recipient_id和完整日期这类字段，自然会丢失信息。

改进方案（直接保留所需字段） #

通过agg()方法直接提取分组后的关键信息，既能避免分组逻辑错误，又能完整保留需要的列：

import pandas as pd

# 转换日期格式为datetime类型
caller_history['date_called'] = pd.to_datetime(caller_history['date_called'], format='%Y-%m-%d %H:%M:%S')

# 按「呼叫者ID+完整自然日」分组，提取每组的首次/末次通话信息
grouped_data = caller_history.groupby(
    ['caller_id', caller_history['date_called'].dt.date], 
    as_index=False
).agg(
    recipient_id=('recipient_id', 'first'),  # 首次和末次相同，取任意一个即可
    first_call_time=('date_called', 'first'),
    last_call_time=('date_called', 'last')
)

# 筛选首次与末次通话对象一致的记录
final_result = grouped_data[
    grouped_data['recipient_id'] == grouped_data.groupby(['caller_id', 'date_called'])['recipient_id'].transform('last')
]

# 整理成要求的输出格式
final_output = final_result[['caller_id', 'recipient_id', 'date_called']]

print(final_output)

关键细节说明 #

1. 分组逻辑修正：用date_called.dt.date替代x.day，确保同一个自然日的通话才会被分到一组，避免跨月日期混淆；
2. 保留字段技巧：使用agg()方法直接指定要提取的字段和规则，相比apply()返回单个值，能完整保留分组后的关键信息；
3. 筛选逻辑简化：因为首次和末次recipient_id相同，所以直接用first提取的值和last提取的值对比即可，完全匹配需求。

另一种思路（对齐你原有的排序逻辑） #

如果你更倾向于先排序再处理，可以用标记首次/末次通话的方式实现：

import pandas as pd

caller_history['date_called'] = pd.to_datetime(caller_history['date_called'], format='%Y-%m-%d %H:%M:%S')
# 按呼叫者ID和通话时间排序
caller_history = caller_history.sort_values(by=['caller_id', 'date_called'])

# 标记每个呼叫者每天的首次和末次通话
caller_history['is_first'] = caller_history.groupby(['caller_id', caller_history['date_called'].dt.date]).cumcount() == 0
caller_history['is_last'] = caller_history.groupby(['caller_id', caller_history['date_called'].dt.date]).cumcount(ascending=False) == 0

# 提取首次和末次通话记录，合并后筛选匹配项
first_calls = caller_history[caller_history['is_first']][['caller_id', 'recipient_id', 'date_called']]
last_calls = caller_history[caller_history['is_last']][['caller_id', 'recipient_id', 'date_called']]

merged = pd.merge(first_calls, last_calls, on=['caller_id', 'date_called'], suffixes=('_first', '_last'))
final_output = merged[merged['recipient_id_first'] == merged['recipient_id_last']][['caller_id', 'recipient_id_first', 'date_called']]
final_output.rename(columns={'recipient_id_first': 'recipient_id'}, inplace=True)

print(final_output)

内容的提问来源于stack exchange，提问作者Jgl