Python pandas如何基于时间获取DataFrame产品列最新记录状态

现有如下结构的DataFrame：

需要获取product列对应各产品最新一条记录的status状态，原有实现代码如下：

for i in df["product"]:
    process_status = df[df.Processid == i].status.to_string(index=False)
    
    if process_status=="pass":
        print("green")
    if process_status=="fail":
        print("red")

原有代码未基于时间维度做筛选，无法获取最新数据对应的状态。

第一步先确认时间列格式，必须转为pandas支持的datetime类型才能正确排序/比较大小，将代码里的time_col替换为你表中实际存储记录时间的列名即可：

import pandas as pd
df['time_col'] = pd.to_datetime(df['time_col'])

方案1：排序后去重（写法简洁，性能好） #

先按时间倒序排列所有记录，同产品的最新记录会排在最前，之后按产品去重仅保留第一条记录，就能得到每个产品的最新状态，不需要写冗余循环：

# 按记录时间倒序排序，最新的记录排在最前
df_sorted = df.sort_values(by='time_col', ascending=False)
# 按产品去重，每个产品仅保留第一条（最新）记录，提取产品和状态两列
latest_record = df_sorted.drop_duplicates(subset='product', keep='first')[['product', 'status']]

# 输出对应颜色标识
for _, item in latest_record.iterrows():
    if item['status'] == 'pass':
        print(f"{item['product']}: green")
    elif item['status'] == 'fail':
        print(f"{item['product']}: red")

方案2：分组取时间最大值对应行 #

按产品分组，直接定位每个产品对应时间最大的行索引，提取对应记录：

# 取每个产品分组下时间最大的行索引
latest_index = df.groupby('product')['time_col'].idxmax()
latest_record = df.loc[latest_index, ['product', 'status']]
# 后续颜色输出逻辑和方案1完全一致

原有代码存在两个明显问题：一是筛选条件写错了列，按产品匹配应该筛选product列而非Processid列；二是直接遍历全量product列做匹配会产生大量重复计算，数据量较大时运行效率极低，不推荐这种写法。

内容的提问来源于stack exchange，提问作者Akshay Lokhande