Python Pandas：获取Level发生变化的最新记录

问题背景 #

给定包含ID、Month、Level、Grade、Flag_Level字段的DataFrame：

• ID是唯一标识，每个ID对应多条月度记录
• Level/Grade表示当月等级
• Flag_Level标记当月是否发生Level变化（Y=有变化，N=无变化）

此前尝试用groupby+shift筛选，但输出了所有Level变化的记录，现在需要提取每个ID下最后一次Level变化的记录（例如ID1取2021-04-01的记录，ID2取2020-03-01的记录，ID3取2021-02-01的记录）。

解决方案 #

方法1：基于已有Flag_Level字段

先确保数据按ID和Month升序排序（保证最新记录在每组末尾），再筛选出有变化的记录，最后按ID分组取每组最后一条：

# 按ID和时间排序
df = df.sort_values(['ID', 'Month'])

# 筛选所有Level变化的记录，再按ID取最新的一条
result = df[df['Flag_Level'] == 'Y'].groupby('ID').last().reset_index()

方法2：自行计算Level变化（更可靠）

如果Flag_Level字段可能存在不准确的情况，可以自己计算Level是否和上月发生变化，再提取最新记录：

# 先按ID和时间排序
df = df.sort_values(['ID', 'Month'])

# 计算每个ID的当月Level是否与上月不同
df['Level_Changed'] = df.groupby('ID')['Level'].apply(lambda x: x != x.shift())

# 筛选变化记录，按ID取最新的一条
result = df[df['Level_Changed']].groupby('ID').last().reset_index()

关键说明 #

• 排序是核心前提：只有先按Month排序，groupby('ID').last()才能拿到每个ID时间最新的变化记录
• 方法2不依赖原有标记字段，适用于Flag_Level可能遗漏或错误的场景

内容的提问来源于stack exchange，提问作者technical