You need to enable JavaScript to run this app. R语言:如何按ID分组提取各ID每年日期最新的行
优惠活动
大模型
产品
解决方案
定价
更多

R语言:如何按ID分组提取各ID每年日期最新的行

分ID、分年份取每年度最新行的Pandas实现方法

前置数据预处理

所有筛选逻辑正常运行的前提是完成两个基础格式调整,这也是多数实现失败的核心诱因:

  • 将原数据中的日期字段转换为标准datetime类型,避免字符串格式的日期比较出现逻辑偏差:df['date_col'] = pd.to_datetime(df['date_col'], errors='coerce'),其中errors='coerce'会把无法识别的异常日期转为空值,方便后续统一过滤
  • 从日期字段中提取每条记录对应的自然年份,作为分组的第二个维度:df['record_year'] = df['date_col'].dt.year

注:上述代码中的id_col、date_col为示例占位名,实际使用时需替换为你数据中真实的ID列名、日期列名。

核心筛选实现方案

需求的本质是按「ID + 记录所属年份」做联合分组,在每一个细分分组内筛选出日期最新的行,下面给出两种适配不同场景的实现方式:

方案1:组内排序取首行(可读性最高,上手最简单)

逻辑是先把全表按日期从新到旧排序,再按「ID+年份」分组,直接取每个分组排在最前面的第一行即可:

result_df = (
    df
    # 提前过滤掉日期为空的无效行
    .dropna(subset=['date_col'])
    # 全表按日期降序排列
    .sort_values('date_col', ascending=False)
    # 按ID、年份分组,取每个组的第一行
    .groupby(['id_col', 'record_year'], as_index=False)
    .head(1)
)

适配场景:

  • 日常分析场景下不需要严格保留原表行顺序的情况
  • 允许同一ID同一年份下存在多条同最新日期的重复行全部保留的情况

方案2:最大值匹配筛选(严格保留原表行顺序)

逻辑是先计算每个「ID+年份」分组下的最大日期值,再将原表与计算得到的最大值做关联匹配,把符合「日期=分组内最大日期」规则的行筛选出来:

# 步骤1:计算每个ID、对应年份下的最新日期值
group_max_date = (
    df.dropna(subset=['date_col'])
    .groupby(['id_col', 'record_year'])['date_col']
    .max()
    .reset_index()
)
# 步骤2:原表与计算结果做内连接,匹配符合规则的行
result_df = df.merge(
    group_max_date,
    on=['id_col', 'record_year', 'date_col'],
    how='inner'
)
# 删掉临时生成的辅助列
result_df = result_df.drop(columns=['record_year'])

适配场景:

  • 对输出结果的行顺序有严格要求,需要和原表行顺序逻辑保持一致的场景
  • 需要精准匹配每个分组最大日期,不依赖全局排序逻辑的场景

高频踩坑提醒

  • 不要仅按单个ID维度分组取最大日期:这种操作会筛出每个ID所有年份里的全局最新单条记录,完全丢失「按年份拆分取每年度最新」的规则
  • 不要跳过日期格式转换环节:如果日期字段存储为字符串,比如2023-12-31、2023/12/31这类格式,直接做大小比较可能出现排序逻辑错误,导致筛选出的结果不是真正的最新日期
  • 存在异常空值日期的情况一定要提前过滤:空值在pandas的日期排序中会被默认判定为最小数值,如果不提前过滤,可能导致分组内的最大值计算出错

内容的提问来源于stack exchange,提问作者sdawar

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.14 05:36:00