如何筛选多索引DataFrame：保留每组ind的最新日期行

嘿，这个需求在日常数据处理里太常见了，我给你分享几个实用的解决方案，既能用groupby实现类似SQL的GROUP BY + HAVING逻辑，还有更简洁的方法：

方法1：groupby + idxmax（最贴近SQL逻辑） #

既然你的date已经是datetime格式，我们可以按ind分组后，找到每个组中date最大的行的索引，再用loc提取这些行，完美对应SQL里GROUP BY ind HAVING date = MAX(date)的逻辑：

# 如果还没转datetime格式，先转（你说已经转好的话可以跳过这步）
df['date'] = pd.to_datetime(df['date'], format='%d-%m-%Y')

# 核心代码：分组找最新日期行的索引，再筛选
result = df.loc[df.groupby('ind')['date'].idxmax()]

这个方法的优势是效率很高，尤其是大数据集下，因为不需要对全量数据排序，只需要分组计算最大值索引。

方法2：排序去重（代码更简洁直观） #

如果你觉得上面的方法有点绕，也可以先按ind分组、date降序排序，然后保留每个ind的第一行（也就是最新日期的行）：

# 先按ind升序、date降序排序，然后删除重复的ind，保留第一行
result = df.sort_values(['ind', 'date'], ascending=[True, False]).drop_duplicates('ind')

这个方法代码更易读，理解成本低，小数据量下用起来非常顺手。

针对ind和date是索引的情况 #

如果你的DataFrame是用ind和date做MultiIndex的，只需要先重置索引处理，最后再还原回去就行：

# 重置索引为普通列
df_reset = df.reset_index()
# 用方法1或方法2处理
result = df_reset.loc[df_reset.groupby('ind')['date'].idxmax()]
# 还原回原索引
result = result.set_index(['ind', 'date'])

总结 #

• 追求效率选groupby + idxmax，大数据集表现更好
• 追求代码简洁选sort_values + drop_duplicates，易读性拉满
• 两种方法都能完美实现你要的“保留每个ind最新日期行”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Rob