如何使用pandas筛选每个item_id对应最早、最晚日期的行

前置准备 #

首先确保date字段为datetime类型，字符串格式日期直接排序可能出现逻辑错误，加载数据后先做类型转换：

import pandas as pd

df = pd.read_csv("your_data_path.csv")
df["date"] = pd.to_datetime(df["date"])

实现方案 #

方案1：排序后分组取首尾（推荐，大数据量性能更好） #

先按item_id分组、组内按日期升序排列，直接取每组第一条（最早日期）和最后一条（最晚日期）即可：

# 按item_id、日期升序排序
df_sorted = df.sort_values(by=["item_id", "date"], ascending=True)
# 分组取每组第1条、倒数第1条
result = df_sorted.groupby("item_id", as_index=False).nth([0, -1])

方案2：匹配分组日期极值（逻辑直观易理解） #

先计算每个item_id对应的最早、最晚日期值，再筛选原表中日期匹配极值的记录：

# 计算每个item_id的最早、最晚日期
group_extremes = df.groupby("item_id")["date"].agg(min_date="min", max_date="max").reset_index()
# 关联回原表
df_merged = df.merge(group_extremes, on="item_id")
# 筛选符合极值的行，删除临时列
result = df_merged[(df_merged["date"] == df_merged["min_date"]) | (df_merged["date"] == df_merged["max_date"])].drop(columns=["min_date", "max_date"])

输出结果 #

两种方案得到的结果完全匹配需求：

注意：如果单个item_id下存在多条记录的date同时等于最早/最晚日期，上述方案会保留所有符合极值条件的行；如果每个极值仅需保留1条，可在排序后提前去重，或使用drop_duplicates处理。

内容的提问来源于stack exchange，提问作者Branson