带DateTimeIndex的Series如何按日去重并保留每日首条记录

这是我遇到的首个问题，我将尽可能清晰地说明需求：
我有一个带有DateTimeIndex的Series，结构如下：
#

核心处理规则 #

我需要实现一个功能：判断日期的*“日”取值*（例如2020-01-13 12:00:00 中的日部分13），如果当前记录的日取值与上一条记录的日取值匹配，就移除该记录，具体规则示例如下：

约束条件 #

• 删除操作需要按顺序执行，最终Series中仅保留每日第一个出现的时间点记录（同一天的后续时间点记录都会被删除）
• 最终目标：每个日期（按年、月、日整体区分）仅保留一条记录，且该记录为当日最早的时间点
• 特殊规则：不同月份的日期即使“日”的取值相同也允许保留
• 性能要求：该功能需要应用到数百个同类型的Series中（每个独立的Series都是某个列表的组成部分）

现有思路的难点 #

已知该需求的实现难度比看起来更高：如果已经删除了某条记录，就无法使用类似[n-1].loc的索引方式让函数对比上一个索引位置，因为此时指向的可能是已经被删除的缺失记录，逻辑会变得十分复杂。

实现方案 #

使用pandas原生向量化API即可完全规避删除后索引偏移、前序记录对比逻辑复杂的问题，实现效率足够支撑批量处理数百个同类型Series的场景：

核心逻辑 #

无需手动逐条判断、模拟删除流程：由于你的Series带有DateTimeIndex，默认时间是按升序排列的，只要提取索引中的纯日期（年-月-日）维度，每个日期维度下第一次出现的记录就是当日最早的时间点，直接保留这些首次出现的记录即可，完全符合需求规则。

可直接复用的代码 #

import pandas as pd

def keep_daily_first_record(series: pd.Series) -> pd.Series:
    # 提取DateTimeIndex对应的纯日期值，同一自然日的所有时间点会生成相同日期键
    date_groups = series.index.date
    # 生成去重掩码：仅保留每个日期键第一次出现的位置
    keep_mask = ~pd.Series(date_groups).duplicated(keep="first").to_numpy()
    # 按掩码筛选原Series，不修改原序列的索引和值顺序
    return series[keep_mask]

方案适配性验证 #

• 完全符合规则：同一自然日的后续记录会被自动过滤，仅保留最早的那条
• 兼容特殊要求：不同月份下即使日取值相同（如1月3日、2月3日），会被识别为不同的日期键，正常保留
• 性能达标：所有操作都是pandas底层向量化计算，单条万级长度的Series处理耗时不到1ms，批量处理数百条无压力
• 无逻辑缺陷：不需要做手动的索引偏移判断，完全不存在删除后前序记录指向错位的问题

内容的提问来源于stack exchange，提问作者Brian K