Pandas按客户id分组并保留非空支付日期的实现方法

你之前的方法失效有两个原因：一是语法顺序错误，正确的分组写法是df.groupby('id')而非groupby.df['id']；二是sum()是数值求和运算，不适用于日期类型的合并，你需要的是取每个id分组下的非空日期值，而非对值求和。

方案1：先转标准日期格式（推荐） #

提前把字符串日期转成pandas的日期格式，占位的0会自动转为空日期，后续处理更方便：

import pandas as pd

# 转换日期格式，原数据里的0会自动识别为无效值转为空日期NaT
df['first_payment'] = pd.to_datetime(df['first_payment'], format='%d/%m/%Y', errors='coerce')
df['last_payment'] = pd.to_datetime(df['last_payment'], format='%d/%m/%Y', errors='coerce')

# 按id分组，每组自动取非空的日期值
result = df.groupby('id', as_index=False).max()

方案2：不转日期直接处理 #

如果不需要保留日期类型，只想保留原字符串格式的日期，可以直接替换0为空值后聚合：

import pandas as pd

# 把两列的占位0替换为空值（如果你的0是数值类型就去掉引号写0即可）
df[['first_payment', 'last_payment']] = df[['first_payment', 'last_payment']].replace('0', pd.NA)

# 按id分组聚合
result = df.groupby('id', as_index=False).agg(
    first_payment=('first_payment', 'max'),
    last_payment=('last_payment', 'max')
)

两种方案得到的结果都和你需要的输出格式一致。

内容的提问来源于stack exchange，提问作者mike