Pandas按Acc_id分组取最新end_date生成新列的实现方法

你之前用group by、pivot没得到正确结果，核心原因是方法逻辑不匹配：pivot用于行列转换，完全不适用当前需求；普通group by聚合后会返回按分组压缩的结果，无法直接把聚合值匹配回原表每一行，另外要注意你的日期列是字符串格式，直接比大小会得到错误结果。
下面给两种最常用场景的可直接运行的实现：

SQL 实现（通用所有SQL引擎） #

写法1：窗口函数（推荐，性能最优写法最简） #

用窗口函数按Acc_id分区，直接给每一行计算同组的最大end_date，不需要关联表：

SELECT 
  Acc_id,
  Crt_id,
  start_date,
  end_date,
  -- 计算最大日期后转回原表的月/日/年格式
  DATE_FORMAT(
    MAX(STR_TO_DATE(end_date, '%m/%d/%y')) OVER (PARTITION BY Acc_id),
    '%c/%e/%y'
  ) AS Acc_end_date
FROM your_table;

不同数据库日期转换函数调整：PostgreSQL/Oracle把STR_TO_DATE换成TO_DATE(xxx, 'MM/DD/YY')，DATE_FORMAT换成TO_CHAR(xxx, 'MM/DD/YY')；SQL Server用CONVERT(DATE, end_date, 1)做转换，CONVERT(VARCHAR, xxx, 1)转回去。

写法2：聚合+左关联（兼容不支持窗口函数的老版本数据库） #

先按Acc_id分组算出每个账号的最晚结束日期，再通过左关联把值匹配回原表：

SELECT
  t1.Acc_id,
  t1.Crt_id,
  t1.start_date,
  t1.end_date,
  t2.acc_max_end AS Acc_end_date
FROM your_table t1
LEFT JOIN (
  SELECT
    Acc_id,
    DATE_FORMAT(MAX(STR_TO_DATE(end_date, '%m/%d/%y')), '%c/%e/%y') AS acc_max_end
  FROM your_table
  GROUP BY Acc_id
) t2 ON t1.Acc_id = t2.Acc_id;

Python Pandas 实现 #

用groupby+transform直接生成和原表长度一致的分组最大值序列，不需要额外join：

import pandas as pd

# 1. 读取数据，替换成你自己的数据读取逻辑
df = pd.read_csv("your_data.csv")

# 2. 把字符串格式的end_date转成日期类型，避免字符串比大小出错
df["end_date_dt"] = pd.to_datetime(df["end_date"], format="%m/%d/%y")

# 3. 分组计算每个Acc_id下的最大end_date，转回原日期格式
df["Acc_end_date"] = (
    df.groupby("Acc_id")["end_date_dt"]
    .transform("max")
    .dt.strftime("%-m/%-d/%y") # Windows系统把格式串改成"%#m/%#d/%y"
)

# 4. 删除临时用的日期辅助列
df = df.drop(columns=["end_date_dt"])

避坑提示 #

• 所有日期计算必须先转成日期/时间类型，不能直接用字符串比大小：比如字符串"12/1/11"字典序比"1/31/18"大，会导致最大值计算完全错误。
• 普通group by聚合后返回的是每个分组1行的压缩结果，要把聚合值放回原表每一行，要么用窗口函数，要么用聚合结果和原表做关联。

内容的提问来源于stack exchange，提问作者user13024918