如何用Pandas删除重复交易记录，按客户ID保留前两条？

没问题，这个需求用pandas就能轻松实现——drop_duplicates确实没法直接完成「按组取前N条」的操作，咱们换个思路来处理：

步骤1：构造/加载数据 #

先假设你已经用pandas加载了数据集，这里先还原你的示例数据：

import pandas as pd

data = {
    'cust_ID': ['abc', 'abc', 'abc', 'abc', 'def', 'ghi', 'def'],
    'transaction_Date': ['01/01/2013', '02/09/2013', '06/06/2015', '09/09/2019', '02/01/2015', '09/09/2013', '09/02/2014']
}
df = pd.DataFrame(data)

步骤2：确保日期排序正确（关键） #

因为你需要保留每个客户的前两条交易记录（默认是最早的两条），所以先把日期转为datetime类型，保证排序逻辑准确：

# 转换日期格式（根据你的实际日期格式调整format参数）
df['transaction_Date'] = pd.to_datetime(df['transaction_Date'], format='%d/%m/%Y')

# 按客户ID+交易日期升序排序，确保每组内的记录是按时间先后排列的
df = df.sort_values(['cust_ID', 'transaction_Date'])

步骤3：分组取前2条记录 #

用groupby+head方法直接筛选每组的前2行：

# 按cust_ID分组，每组保留前2条
result_df = df.groupby('cust_ID').head(2)

# 如果需要恢复原来的日期字符串格式，执行这一步
result_df['transaction_Date'] = result_df['transaction_Date'].dt.strftime('%d/%m/%Y')

print(result_df)

运行后会得到你期望的结果：

cust_ID transaction_Date
0     abc        01/01/2013
1     abc        02/09/2013
6     def        09/02/2014
4     def        02/01/2015
5     ghi        09/09/2013

替代方法：不改变原始顺序的筛选 #

如果你的原始数据顺序有特殊意义，不想打乱，可以用cumcount()给每组的行编号，再筛选编号小于2的行：

# 给每个客户的记录按原始顺序编号（从0开始）
df['row_index'] = df.groupby('cust_ID').cumcount()

# 筛选编号为0和1的记录（即前2条），然后删除辅助列
result_df = df[df['row_index'] < 2].drop('row_index', axis=1)

这个方法会严格保留你原始数据中每个客户出现的前两条记录，不会改变整体的行顺序。

内容的提问来源于stack exchange，提问作者asspsss