如何在Pandas中按ID保留最新行并替换modify类型为对应非修改类型

问题说明 #

输入DataFrame：

id    time     type
     1      t1     create
     1      t2     modify
     2      t3     modify
     2      t4     deploy
     3      t5     delete

规则与需求：

• time值递增（t2比t1新，依此类推）
• 若某ID的type存在modify，则该ID必有且仅有一行非modify类型记录；无modify的ID仅一行非modify记录
• 最终处理逻辑：
  1. 无modify记录的ID：直接保留原行
  2. 有modify记录的ID：保留该ID时间最新的行；若最新行的type是modify，则将其替换为同ID的非modify类型值，删除旧行

期望输出：

id    time    type
   1      t2    create
   2      t4    deploy
   3      t5    delete

用户当前实现了按ID保留最新行，但未完成modify类型的替换逻辑，现有代码片段：

df.loc[df.groupby('id')['time'].idxmax(), type != modify]

解决方案 #

方法一：分组提取+类型替换 #

import pandas as pd

# 构造示例数据（实际使用时替换为你的DataFrame）
data = {
    'id': [1, 1, 2, 2, 3],
    'time': ['t1', 't2', 't3', 't4', 't5'],
    'type': ['create', 'modify', 'modify', 'deploy', 'delete']
}
df = pd.DataFrame(data)

# 1. 提取每个ID对应的非modify类型值
non_modify_map = df[df['type'] != 'modify'].set_index('id')['type']

# 2. 获取每个ID的最新行
latest_records = df.loc[df.groupby('id')['time'].idxmax()].set_index('id')

# 3. 替换modify类型为对应非modify值
latest_records['type'] = latest_records.apply(
    lambda row: non_modify_map[row.name] if row['type'] == 'modify' else row['type'],
    axis=1
)

# 重置索引得到最终结果
final_result = latest_records.reset_index()
print(final_result)

方法二：合并数据框实现替换 #

import pandas as pd

df = pd.DataFrame({
    'id': [1, 1, 2, 2, 3],
    'time': ['t1', 't2', 't3', 't4', 't5'],
    'type': ['create', 'modify', 'modify', 'deploy', 'delete']
})

# 提取非modify类型记录并改名
non_modify_df = df[df['type'] != 'modify'].rename(columns={'type': 'target_type'})

# 获取每个ID的最新行
latest_df = df.loc[df.groupby('id')['time'].idxmax()]

# 合并数据，替换modify类型
merged = pd.merge(latest_df, non_modify_df[['id', 'target_type']], on='id', how='left')
merged['type'] = merged.apply(lambda x: x['target_type'] if x['type'] == 'modify' else x['type'], axis=1)

# 清理多余列，得到结果
final_result = merged.drop('target_type', axis=1)
print(final_result)

代码说明 #

• 两种方法核心逻辑一致：先获取每个ID的非modify类型值，再获取最新行，最后判断并替换类型
• 利用题目给定的“有modify的ID必有唯一非modify值”的规则，无需处理多值情况
• 保持了最新行的time值，只替换type列的内容

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