如何从Pandas DataFrame中按订单日期获取商品最新采购价？

原始数据 #

import pandas as pd

data = {
    'order_date': ['2022-01-02' , '2022-05-03' , '2022-02-01' , '2022-09-30'],
    'order_id' : ['001' , '002' , '003' , '004'],
    'item_code': ['12-05', '13-05', '13-05' , '12-05' ], 
    'price': [20, 21, 19,17],
}

df_purchase = pd.DataFrame(data)

需求 #

按order_date筛选出每个item_code的最新采购记录，包含对应的order_id和price，预期结果如下：

order_date order_id item_code  price
0 2022-05-03      002     13-05     21
1 2022-09-30      004     12-05     17

解决方案 #

方法1：排序后去重（直观易懂）

先将日期列转换为datetime类型，再按商品编码、日期降序排序，最后保留每个商品的第一条记录：

# 转换日期列为datetime类型
df_purchase['order_date'] = pd.to_datetime(df_purchase['order_date'])

# 排序后去重
result = df_purchase.sort_values(
    by=['item_code', 'order_date'],
    ascending=[True, False]
).drop_duplicates(subset='item_code', keep='first').reset_index(drop=True)

print(result)

方法2：分组取最大索引（高效适合大数据）

通过分组获取每个商品最新日期对应的行索引，直接提取目标行：

# 转换日期列为datetime类型
df_purchase['order_date'] = pd.to_datetime(df_purchase['order_date'])

# 获取每个商品最新日期的行索引
latest_idx = df_purchase.groupby('item_code')['order_date'].idxmax()

# 提取目标行
result = df_purchase.loc[latest_idx].reset_index(drop=True)

print(result)

说明 #

• 必须先将order_date转换为datetime类型，否则字符串排序逻辑会不符合日期大小的实际规则。
• 方法2性能更优，大数据量场景下可以避免全量排序的额外开销。

内容的提问来源于stack exchange，提问作者Bashar