Pandas：按报表名称筛选最新更新行并保持Order列排序

1. 转换时间列格式 #

原始Last Updated列是字符串类型，无法直接比较时间先后，先将其转为可运算的datetime类型：

df['Last Updated'] = pd.to_datetime(df['Last Updated'], format='%b %d %I:%M:%S %p')

2. 分组筛选最新行 #

借助pandas的分组功能，按Report Name分组后，直接提取每个组内Last Updated值最大（最新）的行：

latest_rows = df.loc[df.groupby('Report Name')['Last Updated'].idxmax()]

3. 按Order列排序 #

最后对筛选出的结果按Order列升序排列，得到和示例一致的输出：

final_df = latest_rows.sort_values('Order').reset_index(drop=True)

完整代码示例 #

import pandas as pd

# 处理时间列格式
df['Last Updated'] = pd.to_datetime(df['Last Updated'], format='%b %d %I:%M:%S %p')
# 提取每个报表的最新行
latest_df = df.loc[df.groupby('Report Name')['Last Updated'].idxmax()]
# 按Order列排序
final_df = latest_df.sort_values('Order').reset_index(drop=True)

# 打印结果
print(final_df)

这种方式完全依赖pandas的内置向量操作，不需要手动写循环，效率远高于逐行判断的方法，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者Andrew Mitchell