Pandas如何按多列分组删除组内ValIssueDate更大的冗余行

解决方案 #

你可以通过两种常用的pandas方法实现需求，核心逻辑为：按RateCompany、gs、RB三列分组后，保留每组中ValIssueDate取值最小的行。

方法1：groupby + idxmin （更高效直接）

import pandas as pd
from io import StringIO

# 构造示例DataFrame
df_str = """
      RateCompany   gs  RB  ValIssueDate
 115    T           G   54  19580101
 116    T           G   54  19870101
 336    T           S   54  19580101
 337    T           S   54  19870101
 338    T           j   53  19970101
"""
df = pd.read_csv(StringIO(df_str.strip()), sep='\s+')

# 核心处理代码
result = df.loc[df.groupby(['RateCompany', 'gs', 'RB'])['ValIssueDate'].idxmin()]

# 若需要重置索引可以加上下面这行
# result = result.reset_index(drop=True)

print(result)

方法2：排序 + 去重（灵活适配更复杂的筛选规则）

# 先按分组列和ValIssueDate升序排序，再按分组列去重保留第一条
result = df.sort_values(by=['RateCompany', 'gs', 'RB', 'ValIssueDate'])\
           .drop_duplicates(subset=['RateCompany', 'gs', 'RB'], keep='first')

两种方法运行后均可得到你期望的输出结果：

RateCompany gs  RB  ValIssueDate
115           T  G  54      19580101
336           T  S  54      19580101
338           T  j  53      19970101

内容的提问来源于stack exchange，提问作者William