如何在Pandas中基于接听条件分组，获取已接听通话的最大日期

你遇到的问题核心是需要仅针对已接听（answered=1）的通话记录计算最大日期，没有接听记录的手机号返回空值。下面提供两种可行的实现方式：

方法一：过滤后分组 + 左连接补全 #

这种方法先筛选出有效记录，再结合所有手机号的集合来补全空值，逻辑清晰且效率较高：

import pandas as pd

# 假设你的原始DataFrame是df
# 第一步：筛选已接听的通话，分组计算每个手机号的最大通话日期
answered_dates = df[df['answered'] == 1].groupby('phone_number')['call_date'].max().reset_index(name='max_call_date')

# 第二步：获取所有唯一的手机号，与上述结果左连接，自动填充空值为NaN
result = df[['phone_number']].drop_duplicates().merge(answered_dates, on='phone_number', how='left')

逻辑说明： #

1. 先通过df[df['answered'] == 1]过滤出所有已接听的通话记录，只对这些记录计算最大日期。
2. 用df[['phone_number']].drop_duplicates()获取所有存在的手机号，避免遗漏那些没有接听记录的号码。
3. 左连接（how='left'）会保留所有手机号，没有匹配到已接听日期的号码会自动填充NaN，正好符合你的需求。

方法二：GroupBy自定义Apply函数 #

如果需要更灵活的逻辑控制，可以用groupby.apply自定义处理每个分组：

import pandas as pd

def get_valid_max_date(group):
    # 提取当前分组中已接听的记录
    answered_subset = group[group['answered'] == 1]
    # 如果有已接听记录，返回最大日期；否则返回空值
    return answered_subset['call_date'].max() if not answered_subset.empty else pd.NA

# 应用自定义函数到每个手机号分组
result = df.groupby('phone_number').apply(get_valid_max_date).reset_index(name='max_call_date')

逻辑说明： #

• 对每个手机号的分组，先筛选出已接听的子数据集。
• 判断子数据集是否为空：如果不为空，计算最大日期；为空则返回pd.NA（或np.nan，取决于你的pandas版本）。

验证结果 #

两种方法最终都会得到你期望的结果：

注意：你的原始代码里写了Call_Date（首字母大写），但DataFrame的列名是call_date，要注意大小写一致，避免出现KeyError。

内容的提问来源于stack exchange，提问作者coder_bg