Pandas按Name分组后基于自定义类别排序保留每组最后一条数据

原始数据 #

import pandas as pd

df = pd.DataFrame({
        "Name": ["Tim", "Tim", "Tim", "Tim", "Tim",'Jack','Jack','Jack'],
        "Status": ["A1", "E1", "B3", "D4", "C90","A1","C90","B3"]
})

需求 #

• 按Name列分组
• 按照自定义顺序B3 < A1 < D4 < C90 < E1对Status列排序
• 每个分组仅保留排序后的最后一条数据（即每个Name对应其排序层级最高的Status）

原代码问题分析 #

1. 类别设置错误：把目标值E1写成了E90，导致原始数据中的E1被识别为无效类别值，排序逻辑混乱
2. 排序范围错误：仅全局按Status排序，没有按Name分组后在组内排序
3. 去重列错误：使用Status列去重，而不是按Name列去重保留每组最后一条

正确实现代码 #

步骤1：设置自定义有序类别

# 为Status列设置自定义有序类别，确保包含所有出现的取值
df["Status"] = pd.Categorical(
    df["Status"],
    categories=["B3", "A1", "D4", "C90", "E1"],
    ordered=True
)

步骤2：分组排序并保留每组最后一条

方法一：先全局排序，再分组取末尾行

# 先按Name分组，再按Status排序，最后取每组最后一条
df_cleaned = df.sort_values(["Name", "Status"]).groupby("Name").tail(1)

方法二：排序后分组取last()

# 先按Name和Status排序，再分组保留每组最后一条
df_sorted = df.sort_values(["Name", "Status"])
df_cleaned = df_sorted.groupby("Name", as_index=False).last()

最终结果 #

运行上述代码后，df_cleaned的输出为：

Name Status
1   Tim     E1
5  Jack    C90

内容的提问来源于stack exchange，提问作者The Great