Python实现：从CSV按规则筛选物料表有效最新版本行求助

嘿，我来帮你搞定这个物料表的问题！你想要的是每个ID找到最新且状态为READY的版本，如果最新版本是NULL或WITHDRAWN，就往前找，直到找到READY的，没有的话就忽略。先看看你原来的代码问题在哪：你写的drop_duplicates('',keep=last)里，第一个参数没指定列名，而且last没加引号，这肯定运行不起来呀。

下面给你一套完整的解决方案，一步步来：

实现思路 #

• 先对数据按ID升序、REV降序排序，这样每个ID的最新版本会排在该组的最前面
• 按ID分组，对每个分组筛选出状态为READY的行，取其中第一行（也就是最新的有效版本）
• 过滤掉那些没有任何READY版本的ID

完整代码 #

import pandas as pd

# 读取你的物料表CSV文件
mydata = pd.read_csv('C:/Myfolder/Python/myfile.csv')

# 按ID升序、REV降序排序，确保每个ID的最新版本在组内最上方
mydata_sorted = mydata.sort_values(['ID', 'REV'], ascending=[True, False])

# 定义函数：从每个ID的分组中获取第一个有效的READY行
def get_valid_latest_row(group):
    # 筛选出当前分组中curr为READY的所有行
    valid_entries = group[group['curr'] == 'READY']
    # 如果有符合条件的行，返回第一行（因为已经排序过，这就是最新的有效版本）
    if not valid_entries.empty:
        return valid_entries.iloc[0]
    # 没有符合条件的就返回None，后续会被过滤
    return None

# 按ID分组处理，然后过滤掉空行，重置索引
final_result = mydata_sorted.groupby('ID').apply(get_valid_latest_row).dropna(how='all').reset_index(drop=True)

# 输出结果
print(final_result)

代码解释 #

1. 排序环节：sort_values让每个ID的版本从新到旧排列，这样我们找有效版本时，第一个符合条件的就是最新的可用版本
2. 分组筛选：groupby('ID')把相同ID的行归为一组，自定义函数get_valid_latest_row负责在组内找第一个READY的行
3. 过滤空行：dropna(how='all')会把那些没有任何READY版本的ID对应的空行删掉，最后reset_index让结果的索引更规整

运行这段代码后，你就能得到和预期完全一致的输出啦！

内容的提问来源于stack exchange，提问作者Avinash