Pandas DataFrame去重时保留分组内最早记录的实现方法

方案1：先排序再去重（可行） #

你提到的先按time排序再执行去重的思路完全可行，实现逻辑如下：

• 首先对time字段做升序排序，确保每个分组下更早的记录排在前面
• 再执行drop_duplicates保留每个分组的第一条记录
  代码示例：

# 按作答时间升序排序
df_sorted = df.sort_values(by='time', ascending=True)
# 按分组去重，保留第一条（即最早的）记录
deduped = df_sorted.drop_duplicates(subset=["name", "job", "question"], keep="first").reset_index(drop=True)

方案2：groupby取最小时间索引（更安全稳定） #

更推荐用分组直接取最小时间对应行的方案，不需要调整全表顺序，逻辑更直接也更稳定，完全不受原数据顺序影响：

# 按分组获取每个分组下time最小的记录的索引
min_time_idx = df.groupby(['name', 'job', 'question'])['time'].idxmin()
# 根据索引提取对应行
deduped = df.loc[min_time_idx].reset_index(drop=True)

注意事项 #

你的time字段已经是datetime64[ns, UTC]类型，所有记录时区统一，直接比较大小、排序都不会有问题，不需要额外做时区转换处理。

内容来源stack exchange，提问作者futuredataengineer