python - 获取 pandas 数据框中每行的最高日期值

Question

我有一个 pandas 数据框，是通过导入 Excel 工作表获得的。这些列主要是日期，但也可以包含其他数据类型，例如 id 列。现在我想获取每行的最新日期和相关列名称，以便获取此类元组的列表或系列:id + 最近日期。我对此很陌生，非常感谢您的帮助。这是一些代码示例。

 import pandas as pd   
 import os

 def main():
   #df=importExcel()
   #getLastActions(df)
   df1 = pd.DataFrame({'id':[1,2,3,4], 
                'y':[true,false,true,true],
                'date1':[1996-05-31,2002-01-01,1999-07-17,2019-01-01],
                'date2':[2010-10-11,2000-05-01,1999-12-17,1999-02-02],
                'date3':[1993-09-11,2005-11-11,1997-08-08,2019-04-15] })
    getLastActions(df1)

 def importExcel():
   wk_dir = os.path.dirname(os.path.realpath('__file__'))
   df = pd.read_excel (wk_dir+'/OPS.xlsx')
   return df

 def getLastActions(df):
   columns = list(df)
   for i in columns:
       #.......
 if __name__ == '__main__':
   main()                   

我想要得到某物。喜欢:结果= [(1,2010-10-11),(2,2005-11-11),(3,1999-12-17),(4,2019-04-15)]

也就是说，每行的最大值，但仅限于包含日期的列的最大值。有谁知道该怎么做吗？

Answer 1

按id列创建索引，选择日期时间列DataFrame.filter ，获取每行的最大值，将日期时间转换为字符串，并将最后一个 Series 转换为元组列表 Series.items与列表:

df1 = pd.DataFrame({'id':[1,2,3,4], 
            'y':[True,False,True,True],
           'date1':pd.to_datetime(['1996-05-31','2002-01-01','1999-07-17','2019-01-01']),
           'date2':pd.to_datetime(['2010-10-11','2000-05-01','1999-12-17','1999-02-02']),
           'date3':pd.to_datetime(['1993-09-11','2005-11-11','1997-08-08','2019-04-15'])})
print(df1)
   id      y      date1      date2      date3
0   1   True 1996-05-31 2010-10-11 1993-09-11
1   2  False 2002-01-01 2000-05-01 2005-11-11
2   3   True 1999-07-17 1999-12-17 1997-08-08
3   4   True 2019-01-01 1999-02-02 2019-04-15

a = (list(df1.set_index('id')
             .select_dtypes('datetime')
             .max(axis=1)
             .dt.strftime('%Y-%m-%d')
             .items()))
print (a)
[(1, '2010-10-11'), (2, '2005-11-11'), (3, '1999-12-17'), (4, '2019-04-15')]

详细信息:

print (df1.set_index('id').select_dtypes('datetime'))
        date1      date2      date3
id                                 
1  1996-05-31 2010-10-11 1993-09-11
2  2002-01-01 2000-05-01 2005-11-11
3  1999-07-17 1999-12-17 1997-08-08
4  2019-01-01 1999-02-02 2019-04-15

print (df1.set_index('id').select_dtypes('datetime').max(axis=1))
id
1   2010-10-11
2   2005-11-11
3   1999-12-17
4   2019-04-15
dtype: datetime64[ns]

print (df1.set_index('id').select_dtypes('datetime').max(axis=1).dt.strftime('%Y-%m-%d'))
id
1    2010-10-11
2    2005-11-11
3    1999-12-17
4    2019-04-15
dtype: object