如何识别日期格式列的最后记录？获取每日最晚采购价格

核心思路 #

按日期分组，每组内筛选出时间最晚的采购记录，提取对应价格后转为目标字典。

实现步骤（以Python pandas为例） #

• 导入必备库

import pandas as pd

• 加载并预处理数据
  假设你的数据集是CSV格式，包含datetime（采购时间）和price（采购价格）字段：

# 替换为你的数据集实际路径
df = pd.read_csv('采购数据.csv')
# 解析时间列，匹配格式DD/MM/YYYY HH:MM
df['datetime'] = pd.to_datetime(df['datetime'], format='%d/%m/%Y %H:%M')

• 分组筛选生成目标字典

# 提取日期字符串作为分组键
df['date'] = df['datetime'].dt.strftime('%d/%m/%Y')
# 按日期分组，取每组内时间最晚的采购价格
daily_latest_price = df.groupby('date').apply(lambda group: group.loc[group['datetime'].idxmax(), 'price']).to_dict()

• 查看结果

print(daily_latest_price)

适配说明 #

• 若数据集是Excel格式，将pd.read_csv替换为pd.read_excel即可；
• 若时间列格式存在差异，调整pd.to_datetime中的format参数匹配实际格式。

内容的提问来源于stack exchange，提问作者Hemfri