如何对DataFrame过滤：每个yearweek仅保留一行数据

嘿，这个需求我经常碰到，给你分享几个靠谱的解决办法，根据你的实际场景选就行～

这是最直接省心的方式，专门用来处理重复行的场景。你只需要指定按yearweek列去重，默认会保留每组yearweek第一次出现的行：

df_filtered = df.drop_duplicates(subset='yearweek', keep='first')

要是你想保留每组最后一次出现的行，把keep参数改成'last'就可以：

df_filtered = df.drop_duplicates(subset='yearweek', keep='last')

小提醒：如果设keep=False会删除所有重复的yearweek行（连唯一的那组都不留），这个应该不是你要的效果，就不用管它啦。

如果你需要更灵活的控制（比如想保留每个yearweek里日期最新的行，或者某列数值最大的行），groupby会更适合你：

举个例子，假设你的DataFrame还有date列，要保留每个yearweek对应的最新日期行：

# 按yearweek分组，找到每组中date最大的行的索引，再提取这些行
df_filtered = df.loc[df.groupby('yearweek')['date'].idxmax()]

如果只是想简单取每组的第一行，也可以这么写：

df_filtered = df.groupby('yearweek').first().reset_index()

这里的reset_index()是把yearweek从分组索引变回普通列，要是你不需要的话可以去掉。

处理前最好先确认yearweek列的格式是统一的（比如都是字符串或整数），避免因为类型不一致导致重复没被识别。可以统一转成字符串类型：

df['yearweek'] = df['yearweek'].astype(str)

内容的提问来源于stack exchange，提问作者ProgR