如何在Pandas分组（groupby）后筛选日期时间数据？

问题说明 #

原始数据如下：

A      Day-1
A      Day-2
A      Day-5
B      Day-3
B      Day-7

需求是按分组（如A、B）保留每组最后N天的数据，当N=4时，期望结果为：

A      Day-2
A      Day-5
B      Day-7

筛选逻辑：

• 分组A的最后一天是Day-5，取Day2到Day5这4天范围内的现有数据，保留Day-2、Day-5
• 分组B的最后一天是Day-7，取Day4到Day7这4天范围内的现有数据，保留Day-7

已尝试用df.groupby(['name']).tail(1)获取每组最后一条数据，但不知道如何基于此进一步筛选范围内的日期。

解决方案 #

可以通过以下步骤实现：

1. 提取日期数字并转换为数值类型 #

先把day列中的数字提取出来，转为整数方便后续计算：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'name': ['A', 'A', 'A', 'B', 'B'],
    'day': ['Day-1', 'Day-2', 'Day-5', 'Day-3', 'Day-7']
})

# 提取日期中的数字，转为整数类型
df['day_num'] = df['day'].str.extract(r'Day-(\d+)').astype(int)

2. 按分组标记每组的最后一天日期 #

用groupby结合transform，给每行添加本组的最大日期值，方便判断当前行是否在目标范围内：

N = 4  # 需要保留的最后N天
df['max_day'] = df.groupby('name')['day_num'].transform('max')

3. 筛选符合条件的行 #

筛选出日期数字大于等于max_day - N + 1的行，最后移除辅助列即可：

filtered_df = df[df['day_num'] >= df['max_day'] - N + 1]
# 保留原始列，删除辅助列
filtered_df = filtered_df[['name', 'day']]

运行后得到的filtered_df就是期望结果：

name    day
1    A  Day-2
2    A  Day-5
4    B  Day-7

简化写法（合并步骤） #

可以把步骤合并为一行，减少中间变量：

N = 4
df['day_num'] = df['day'].str.extract(r'Day-(\d+)').astype(int)
filtered_df = df[df['day_num'] >= df.groupby('name')['day_num'].transform('max') - N + 1][['name', 'day']]

内容的提问来源于stack exchange，提问作者JohnTroy