Pandas：基于另一列值聚合列，获取分组最新对应值

嗨，这个需求我经常碰到，给你几个实用的方案，都能完美拿到每个分组下最新录入的那条记录，还能保留原DataFrame的所有数据类型～

先给你构造个示例数据方便演示：

import pandas as pd
from datetime import datetime

data = {
    'group': ['A', 'A', 'B', 'B', 'C'],
    'value': ['val1', 'val2', 'val3', 'val4', 'val5'],
    'datetime': [
        datetime(2023, 1, 1),
        datetime(2023, 1, 5),  # A组最新记录
        datetime(2023, 2, 1),
        datetime(2023, 2, 10), # B组最新记录
        datetime(2023, 3, 1)   # C组唯一记录
    ]
}
df = pd.DataFrame(data)

方法一：排序后分组取首行 #

思路是先把每个分组内的记录按日期降序排列，这样最新的记录会排在每个组的最前面，然后直接取每个组的第一行即可：

# 按分组升序、日期降序排序
sorted_df = df.sort_values(['group', 'datetime'], ascending=[True, False])
# 分组后取每组第一行，记得用reset_index还原索引
latest_df = sorted_df.groupby('group').first().reset_index()

这个方法直观易懂，而且能保证拿到的是原数据行，类型完全和原DataFrame一致。

方法二：用idxmax定位最新行（推荐） #

这个方法效率更高，直接找到每个分组中日期最大的行的索引，再提取对应行：

# 获取每个分组中datetime最大的行的索引
max_date_indices = df.groupby('group')['datetime'].idxmax()
# 根据索引提取行，drop=True去掉原索引列
latest_df = df.loc[max_date_indices].reset_index(drop=True)

idxmax()会返回每个分组内datetime列最大值所在的行索引，用loc直接提取这些行，逻辑清晰，数据量大的时候比排序方法更快，而且同样保留原数据类型。

方法三：用transform筛选最大日期行 #

如果你的分组中可能存在多个日期相同的最新记录，这个方法会把这些行都保留下来，而前两种方法只会取其中一行：

# 给每行标记其所在分组的最大日期，然后筛选出等于该日期的行
latest_df = df[df['datetime'] == df.groupby('group')['datetime'].transform('max')].reset_index(drop=True)

比如如果某个分组有两行日期都是最新的，这个方法会把这两行都保留，适合需要处理这种场景的情况。

这三个方法都能满足你的需求，根据自己的场景选就行～

内容的提问来源于stack exchange，提问作者Maile Cupo