如何在Pandas中保留同一船只连续部件安装的最早记录？

这个需求核心是要识别连续的同船只+部件批次，而不是简单把所有同船只+部件的记录归为一组。咱们用Pandas一步步实现：

步骤1：确保日期列是可排序的日期类型 #

首先得把date列转换成datetime格式，这样才能保证时间顺序的正确性：

import pandas as pd

# 假设你的原始数据存储在df中
df['date'] = pd.to_datetime(df['date'], format='%m/%d')

步骤2：按船只和日期排序 #

为了保证记录是严格按时间顺序排列的，先对DataFrame进行排序：

df = df.sort_values(['boat', 'date'])

步骤3：生成连续批次的分组标识 #

这是最关键的一步——我们需要给每一段连续的同船只+部件记录分配一个唯一的组ID：

# 当当前行的船只或部件与上一行不同时，标记为新组，并用累加生成组ID
df['group_id'] = (df[['boat', 'part']] != df[['boat', 'part']].shift()).any(axis=1).cumsum()

简单解释下：

• shift()会把上一行的boat和part值移到当前行位置
• 比较当前行和上一行的boat/part，只要有一个不同就返回True
• cumsum()会把这些True（等价于1）累加，这样每遇到新的批次，组ID就会递增

步骤4：提取每个批次的第一条记录 #

最后按组ID分组，取每组的第一条记录，再去掉临时的group_id列：

# 分组取首条，重置索引
result = df.groupby('group_id').first().reset_index(drop=True)

验证结果 #

运行完上面的代码后，result就会和你期望的输出完全一致：

（注：如果你的原始数据包含年份，记得在pd.to_datetime里调整格式，比如%Y/%m/%d）

内容的提问来源于stack exchange，提问作者konichiwa