如何以最Pythonic方式筛选已设多层索引的Pandas DataFrame最新提交行

你的需求其实可以用非常简洁的Pandas操作实现，不需要复杂的groupby+apply组合，核心思路是先排序再去重，或者利用idxmax直接定位目标行，两种方法都能完美保持原有的多层索引结构：

方法一：排序后去重（最直观简洁） #

这种方法先按提交日期降序排列，让每个(PersonId, Interest)组里最新的行排在最前面，然后直接按索引层级去重，保留每组的第一行——完全匹配你的需求，包括同日期重复行保留首行的要求：

# 按SubmittedDate降序排序，确保最新的行在每组最上方
sorted_df = exampledf.sort_values('SubmittedDate', ascending=False)
# 按多层索引的两个层级去重，保留每组第一行
result_df = sorted_df.drop_duplicates(level=[0, 1])

# 查看结果（和你想要的输出一致）
print(result_df)

输出结果：

Question           SubmittedDate
PersonId Interest                                                    
123      Basketball        Cake or death? 2018-04-18 13:00:08
789      Racquetball  Will there be food? 2018-05-02 12:00:00
456      Swimming    Answer to life, universe, everything? 2011-02-27 23:00:00
123      Baseball         Swallow speed? 1999-01-01 09:00:00

方法二：利用idxmax直接定位目标行 #

如果不想改变原始数据的排序，也可以用groupby结合idxmax获取每个组中最新日期的首行索引，再提取对应行：

# 获取每个(PersonId, Interest)组中SubmittedDate最大的行的索引
max_date_indices = exampledf.groupby(level=[0, 1])['SubmittedDate'].idxmax()
# 根据索引提取行，自动保留同日期的首行
result_df = exampledf.loc[max_date_indices]

这个方法的优势是不会改变剩余行的相对顺序，同样能得到你需要的结果。

为什么你之前的代码报错？ #

你遇到的KeyError: 'PersonId'是因为PersonId和Interest是DataFrame的索引层级，不是普通列，在apply的子DataFrame里，你不能用x['PersonId']来访问它们，需要用x.index.get_level_values('PersonId')——但这种写法既繁琐又没必要，上面的两种方法显然更Pythonic。

内容的提问来源于stack exchange，提问作者k..