python - 在 Pandas 中使用 idxmax 保留重复值

Question

我有一个数据框，其中有两列，id 和 date。

df = pd.DataFrame([[1, '2019-05-20'], [1, '2019-05-20'], [1, '2018-04-23'], [2, '2020-01-01'], [2, '2020-01-01'], [2, '2019-12-31']], columns=['id', 'date'])

   id   date
    1   2019-05-20
    1   2019-05-20
    1   2018-04-23
    2   2020-01-01
    2   2020-01-01
    2   2019-12-31

对于每个唯一的id，我想选择具有最新日期的所有行。所以我理想的解决方案应该是这样的:

id  date
1   2019-05-20
1   2019-05-20
2   2020-01-01
2   2020-01-01

我通过按 id 对数据帧进行分组来实现此目的，然后使用 idxmax 函数为每个“id”选择最新日期，如下所示:

df[df.groupby('id').date.idxmax()] 

但是，这只会为我提供每个具有最新日期的唯一id的第一行，因此我最终得到以下结果:

id  date
1   2019-05-20
2   2020-01-01

有没有一种方法可以使用 idxmax 函数选择每个 id 具有最高日期值的所有行？我在 pandas github repo 上看到有一个 PR 解决了这个问题( https://github.com/pandas-dev/pandas/pull/35257 )，但这个 PR 已关闭且未获得批准。预先感谢您。

Answer 1

您可以使用max和自合并:

df.groupby('id', as_index=False).date.max().merge(df)

输出:

   id       date
0   1 2019-05-20
1   1 2019-05-20
2   2 2020-01-01
3   2 2020-01-01

---

或者，您可以设置每个日期重复值的索引，然后使用 idxmax:

df.index = df.groupby('date').ngroup()
df.loc[df.groupby('id').date.idxmax()]