Python Pandas按列分组，获取每个Dealer对应最大日期的唯一记录

没问题，这是Pandas里非常常见的数据处理需求，我给你分享几种实用的实现方法，附带示例代码和说明：

先准备示例数据（模拟你的场景） #

首先我们先构造一个和你需求匹配的DataFrame，同时一定要把日期列转成datetime类型（这是关键，不然字符串日期的大小比较会出错）：

import pandas as pd

# 模拟你的数据
data = {
    'Dealer': ['A', 'A', 'B', 'B', 'C', 'B'],
    'Date': ['2023-01-15', '2023-03-20', '2023-02-10', '2023-04-05', '2023-01-01', '2023-04-05'],
    'Sales': [100, 150, 200, 250, 300, 280]
}
df = pd.DataFrame(data)

# 把Date列转换为datetime类型，这一步必不可少！
df['Date'] = pd.to_datetime(df['Date'])

方法1：用groupby + idxmax（最直接的方式） #

这种方法会先找到每个Dealer分组中日期最大的行的索引，再通过索引提取对应行：

# 获取每个Dealer对应最大日期的行索引
max_date_row_indices = df.groupby('Dealer')['Date'].idxmax()

# 根据索引筛选出目标行，重置索引让结果更整洁
result_df = df.loc[max_date_row_indices].reset_index(drop=True)

注意：如果同一个Dealer有多个行的日期是最大值，idxmax()只会返回第一个出现的行的索引。

方法2：排序 + 去重（更直观的逻辑） #

先按Dealer分组、日期降序排序，这样每个Dealer的第一行就是日期最大的记录，再去掉重复的Dealer条目：

# 先按Dealer升序、Date降序排序
# 然后保留每个Dealer的第一行（即最大日期的行）
result_df = df.sort_values(by=['Dealer', 'Date'], ascending=[True, False]) \
              .drop_duplicates(subset='Dealer', keep='first') \
              .reset_index(drop=True)

拓展：保留每个Dealer所有最大日期的行 #

如果你的数据中，同一个Dealer可能有多个行的日期都是最大值，想要保留所有这些行的话，可以用transform方法：

# 计算每个Dealer的最大日期，广播到每一行
max_dates_per_dealer = df.groupby('Dealer')['Date'].transform('max')

# 筛选出日期等于对应Dealer最大日期的所有行
result_df = df[df['Date'] == max_dates_per_dealer].reset_index(drop=True)

以上几种方法都能满足你的核心需求——每个Dealer唯一且关联其最大日期的记录，你可以根据自己的实际数据情况选择合适的方式~

内容的提问来源于stack exchange，提问作者Anurag Rawat