获取DataFrame中每个ID对应的最新timestamp记录

假设你的DataFrame已加载为df，若timestamp列还不是datetime类型，需先转换格式，下面是几种高效实现需求的方法：

方法1：排序后分组取最后一行 #

先按Id升序、timestamp降序排序，再按Id分组并保留每组第一行（即最新记录）：

# 转换timestamp为datetime类型（按需执行）
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 排序+分组提取最新记录
result = df.sort_values(['Id', 'timestamp'], ascending=[True, False]) \
           .groupby('Id') \
           .first() \
           .reset_index()

方法2：使用groupby+idxmax #

通过idxmax获取每组中最大timestamp对应的行索引，再提取目标行：

df['timestamp'] = pd.to_datetime(df['timestamp'])

# 获取每组最新记录的索引
max_idx = df.groupby('Id')['timestamp'].idxmax()

# 提取对应行数据
result = df.loc[max_idx].reset_index(drop=True)

方法3：用drop_duplicates简化操作 #

先按timestamp降序排序，直接保留每个Id的第一条记录，最后按Id排序整理：

df['timestamp'] = pd.to_datetime(df['timestamp'])

result = df.sort_values('timestamp', ascending=False) \
           .drop_duplicates(subset='Id') \
           .sort_values('Id') \
           .reset_index(drop=True)

以上方法均可得到目标结果：

Id     timestamp   
W-001  2022-10-15 17:55:21
W-002  2022-11-11 15:12:57
W-003  2022-11-18 09:35:23

内容的提问来源于stack exchange，提问作者Evantaka