Streamlit中DataFrame按ID取最早记录时idxmin报错的解决方法

首先明确：报错不是因为ID是UUID格式的object类型——pandas完全支持用字符串/UUID作为分组键，真正的问题是你的created_date列不是datetime类型，idxmin无法对非数值/日期类型的列执行操作。

下面是几种无需修改ID值、保留所有10列的解决方案：

方法1：先转换日期类型再用idxmin（推荐） #

先把created_date转为datetime类型，再执行你原本的逻辑：

import pandas as pd

# 转换created_date为datetime（处理格式不规范的日期可加errors='coerce'）
df['created_date'] = pd.to_datetime(df['created_date'], errors='coerce')

# 按ID分组取每组created_date最早的记录
result_df = df.loc[df.groupby('ID')['created_date'].idxmin()]

方法2：用groupby+apply筛选 #

如果觉得idxmin逻辑绕，也可以用apply直接筛选每组中日期最小的行：

df['created_date'] = pd.to_datetime(df['created_date'], errors='coerce')

result_df = df.groupby('ID').apply(
    lambda group: group[group['created_date'] == group['created_date'].min()]
).reset_index(drop=True)

注：数据量很大时，这种方法性能略逊于idxmin，小数据集可忽略。

方法3：排序后去重（高效简洁） #

先按ID和created_date排序，再保留每个ID的第一条记录（即最早的）：

df['created_date'] = pd.to_datetime(df['created_date'], errors='coerce')

# 按ID分组，再按created_date升序排序
result_df = df.sort_values(['ID', 'created_date'], ascending=[True, True])
# 保留每个ID的第一条记录，删除重复项
result_df = result_df.drop_duplicates(subset='ID', keep='first')

这种方法性能最优，尤其适合百万级以上的数据集。

关键注意点 #

• 转换日期时如果遇到无效格式，errors='coerce'会把这些值转为NaT，后续可以用df.dropna(subset=['created_date'])清理缺失行，或者根据业务逻辑处理。
• UUID格式的ID无需做任何类型转换，直接作为groupby的键完全没问题。

内容的提问来源于stack exchange，提问作者dom_2108