如何在Pandas合并后保留每个studentid的最早记录？

步骤1：合并DataFrame #

先执行你原本的合并操作得到Z：

Z = X.merge(Y, on="studentid")

步骤2：处理年份列，实现可排序 #

原始年份是"20/21"这类字符串，没法直接比较先后，我们提取年份的起始部分转成数值：

# 把"20/21"转换成2020，"21/22"转换成2021，方便判断年份早晚
Z['start_year'] = Z['Year'].str.split('/').str[0].astype(int) + 2000

步骤3：筛选每个studentid的最早记录 #

按studentid分组，提取每组中年份最早的那条数据：

# idxmin()会返回每个组里start_year最小的行的索引，用loc提取这些行
result = Z.loc[Z.groupby('studentid')['start_year'].idxmin()]

可选：清理临时列 #

如果不需要start_year这个临时辅助列，直接删掉即可：

result = result.drop('start_year', axis=1)

另一种更简洁的写法（不用临时列也能实现）：

# 先给Z按studentid和转换后的年份排序
Z_sorted = Z.sort_values(
    by=['studentid', 'Year'],
    key=lambda x: x.str.split('/').str[0].astype(int) + 2000
)
# 保留每个studentid的第一条记录（也就是最早年份的那条）
result = Z_sorted.drop_duplicates(subset='studentid', keep='first')

内容的提问来源于stack exchange，提问作者Simd