python - 如何根据 pandas 的第二列删除重复项？

Question

import pandas as pd

df = pd.DataFrame({
    'year': [2017, 2018, 2018, 2019, 2019],
    'date': ['01.01.2017', '22.04.2018', '31.01.2018', '19.03.2019', '03.12.2019'],
    'id': ['72297143', '6de190ee', '0e1e8e89', 'ab4f99ab', '7d81a711']
})

对于 year 列中的每个重复值(如 2019 和 2019)，我想保留具有最新 date 的值(在上面的示例中为 03.12。 2019)。

最后我想删除 date 列，只保留 year 和 id。

我该怎么做？

Answer 1

在 sort_values 之后使用 drop_duplicated

df.date=pd.to_datetime(df.date,dayfirst=True)
yourdf=df.sort_values('date').drop_duplicates('year',keep='last')
yourdf
Out[413]: 
   year       date        id
0  2017 2017-01-01  72297143
1  2018 2018-04-22  6de190ee
4  2019 2019-12-03  7d81a711
yourdf.drop('id',axis=1,inplace=True)