存在重复日期时为每条记录选最早日期并循环随机取值

我有一个每条identifier对应多个日期的表格，示例数据如下：

我原本用这段代码提取每组identifier的最早日期记录：

df2 = df.loc[df.groupby('identifier')['date'].idxmin()]

但当同一identifier的最早日期存在多条记录时，会默认选中value字母序靠前的那条。我想要实现循环轮选：第一次遇到重复最早日期选第一条，第二次选第二条，有第三条的话第三次选第三条，以此循环。预期输出如下：

可以通过以下步骤修改代码实现循环轮选的需求：

1. 筛选每组最早日期的候选记录：先过滤出所有date等于该组最早日期的记录，只处理这些重复的候选数据；
2. 添加组内序号：给每个identifier下的候选记录标记组内序号，方便后续定位选取；
3. 轮选逻辑实现：用全局计数器配合取模运算，实现循环选取不同序号的记录。

具体代码实现：

import pandas as pd

# 示例数据
data = {
    'identifier': ['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'],
    'date': ['1985-01-01', '1985-01-01', '1985-01-03', 
             '1990-01-05', '1990-05-10', '1987-01-01', 
             '1987-01-01', '1986-01-01', '1986-01-01'],
    'value': ['ex1', 'ex2', 'ex3', 'ex1', 'ex4', 'ex1', 'ex3', 'ex1', 'ex3']
}
df = pd.DataFrame(data)

# 步骤1：获取每组最早日期并筛选候选记录
min_dates = df.groupby('identifier')['date'].min().reset_index(name='min_date')
candidates = df.merge(min_dates, on='identifier')
candidates = candidates[candidates['date'] == candidates['min_date']]

# 步骤2：给每个组内的候选记录添加序号
candidates['group_rank'] = candidates.groupby('identifier').cumcount()

# 步骤3：循环轮选
selected = []
counter = 0
for name, group in candidates.groupby('identifier'):
    num_options = len(group)
    pick_idx = counter % num_options
    selected.append(group.iloc[pick_idx])
    counter += 1

# 整理结果
df2 = pd.DataFrame(selected).drop(columns=['min_date', 'group_rank'])
print(df2)

运行后输出与预期一致：

identifier        date value
0          a  1985-01-01   ex1
1          b  1990-01-05   ex1
2          c  1987-01-01   ex3
3          d  1986-01-01   ex1

代码说明 #

• 用merge筛选候选记录，避免处理无关数据，提升效率；
• cumcount()生成组内序号，默认按原数据顺序编号；
• 全局计数器counter通过取模运算实现循环：比如某组有2条候选记录时，第1次选第0位，第2次选第1位，第3次回到第0位，以此往复。

内容的提问来源于stack exchange，提问作者K3it4r0