如何在Pandas时间序列中按区域-编码组统一更新最新名称

原始数据 #

import pandas as pd

df = pd.DataFrame({
    'date': [1,2,1,2,1,2,1,2],
    'region': ['a','a','b','b','c','c','a','a'],
    'code': [1,1,1,1,1,1,2,2],
    'name': ['x','y','y','w','y','y','z','z']
})

输出的原始DataFrame：

date region code name
0     1      a    1    x
1     2      a    1    y
2     1      b    1    y
3     2      b    1    w
4     1      c    1    y
5     2      c    1    y
6     1      a    2    z
7     2      a    2    z

需求说明 #

针对每个region和code的组合，将该组合下所有行的name替换为该组合中**最新（date最大）**的name值，需注意部分code仅存在于特定区域。

期望结果 #

date region code name
0     1      a    1    y
1     2      a    1    y
2     1      b    1    w
3     2      b    1    w
4     1      c    1    y
5     2      c    1    y
6     1      a    2    z
7     2      a    2    z

解决方案 #

不用低效的for循环，直接用Pandas的分组和广播/合并操作即可实现：

方法1：分组后用transform广播最新值（适用于date已按顺序排列）

如果你的date列已经是按时间递增排列的，每个组的最后一行就是最新记录，直接用groupby+transform提取每组最后一个name值并广播到整组：

# 按region和code分组，提取每组最后一个name值替换原列
df['name'] = df.groupby(['region', 'code'])['name'].transform(lambda x: x.iloc[-1])

方法2：通过idxmax定位最新记录（适用于date无序的情况）

如果date列不是有序的，先找到每个组中date最大的行索引，再提取对应的name值，最后通过合并替换原列：

# 找到每个region-code组合中date最大的行索引
max_date_indices = df.groupby(['region', 'code'])['date'].idxmax()
# 提取这些行的最新name，构建索引为region-code的Series
latest_name_map = df.loc[max_date_indices].set_index(['region', 'code'])['name']
# 合并原DataFrame和最新name映射，替换原name列
df = df.merge(latest_name_map, on=['region', 'code'], suffixes=('', '_latest'))
df['name'] = df['name_latest']
df.drop(columns=['name_latest'], inplace=True)

两种方法都能高效完成需求，避免了for循环的性能问题，尤其适合处理大数据量的情况。

内容的提问来源于stack exchange，提问作者Fernando Quintino