按ID分组获取最小日期及对应邮政编码的Pandas实现问题

我来帮你搞定这个需求！你想要按ID分组，拿到每个ID对应的最早日期，以及该日期对应的ZIPCODE，之前用pivot_table的方式确实走偏了——因为把ZIPCODE也加入了索引分组，导致结果里会出现同一ID下不同ZIPCODE的最小日期，完全不是我们要的单一对应关系。下面给你两种简单可靠的实现方法：

方法一：排序后去重（直观易理解） #

首先必须把DATE列转换成datetime类型，否则字符串格式的日期没法正确比较大小：

import pandas as pd

# 先转换日期列类型（指定格式确保转换准确）
df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%Y')

# 按ID和DATE升序排序，然后对ID去重，保留每组第一个（最小日期的记录）
result = df.sort_values(['ID', 'DATE']).drop_duplicates('ID', keep='first')

# 保留需要的列并重置索引（可选，让结果更整洁）
result = result[['ID', 'DATE', 'ZIPCODE']].reset_index(drop=True)

方法二：用groupby+idxmin（更高效） #

这种方法直接定位到每个ID最小日期对应的行索引，再提取整行数据：

import pandas as pd

# 同样先转换日期类型
df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%Y')

# 获取每个ID最小日期对应的行索引
min_date_indices = df.groupby('ID')['DATE'].idxmin()

# 根据索引提取目标行，重置索引让结果更规范
result = df.loc[min_date_indices, ['ID', 'DATE', 'ZIPCODE']].reset_index(drop=True)

预期输出 #

运行任意一种方法后，都会得到你想要的结果：

ID       DATE ZIPCODE
0  196512 2016-03-01   96512
1  196795 2015-01-01   03452

为什么原代码不行？ #

你之前用的pd.pivot_table(df,index=["ID","ZIPCODE"],values=["DATE"],aggfunc=min)是按ID+ZIPCODE的组合分组，取每组的最小日期，这会返回同一ID下所有ZIPCODE对应的最小日期，完全不符合“每个ID仅返回最小日期及对应ZIPCODE”的需求。

内容的提问来源于stack exchange，提问作者specmer