本文介绍如何使用 pandas 对 dataframe 按某一列（如产品类别）分组，并保留每组中日期列最新（最大）的那一条记录，适用于去重+时效性筛选场景。
本文介绍如何使用 pandas 对 dataframe 按某一列（如产品类别）分组，并保留每组中日期列最新（最大）的那一条记录，适用于去重+时效性筛选场景。
在数据分析中，常遇到这样的需求：原始数据存在按某字段（如 B 列代表品类）的重复项，而我们希望对每个品类只保留其对应最新日期（即 A 列中最大值）所在的一行——这并非简单去重，而是基于时间优先级的“智能保留”。
需要注意的是：示例中的日期为字符串格式（如 '26/12/2023'），直接使用 .max() 会触发字典序比较（例如 '26/12/2022' > '01/01/2024' 可能返回错误结果）。因此，必须先将日期列转换为 datetime 类型，再执行分组聚合。
以下是完整、健壮的实现步骤：
✅ 步骤 1：确保日期列为 datetime 类型
import pandas as pd
# 示例数据（注意：原始日期为 DD/MM/YYYY 格式）
df = pd.DataFrame({
'A': ['26/12/2023', '26/12/2022', '26/12/2023', '26/12/2022',
'26/12/2023', '26/12/2022', '26/12/2023'],
'B': ['apple', 'apple', 'pear', 'orange', 'wildberry', 'wildberry', 'grapes'],
'E': ['7,9', '8,3', '28,6', '33,3', '24,7', '29,1', '17,1']
})
# 关键：转为 datetime，指定 format 避免解析歧义
df['A'] = pd.to_datetime(df['A'], format='%d/%m/%Y')✅ 步骤 2：按 B 分组，获取每组 A 最大值对应的整行
推荐使用 idxmax() + .loc 组合，这是最直观且保留所有原始列的方式：
# 获取每组中 A 列值最大的行索引
idx = df.groupby('B')['A'].idxmax()
# 用索引定位原 DataFrame 的对应行
result = df.loc[idx].sort_index() # sort_index() 可选，使结果按原始顺序近似排列
# 若需恢复日期为原始字符串格式（如导出报表）
result['A'] = result['A'].dt.strftime('%d/%m/%Y')
print(result)输出结果与预期完全一致：
A B E 0 26/12/2023 apple 7,9 2 26/12/2023 pear 28,6 3 26/12/2022 orange 33,3 4 26/12/2023 wildberry 24,7 6 26/12/2023 grapes 17,1
⚠️ 注意事项
- ❌ 避免直接使用 df.groupby('B').max()：它会对所有数值列（包括 E）做最大值聚合，导致业务数据被意外篡改；
- ✅ idxmax() 返回索引而非值，配合 .loc 可精准提取原始整行，安全可靠；
- ? 若日期格式不统一（含不同分隔符或年月日顺序），建议先用 pd.to_datetime(..., errors='coerce') 并检查 NaT 值；
- ? 进阶技巧：如需同时保留“最新日期”和“对应 E 值”，也可用 df.sort_values('A').drop_duplicates('B', keep='last')，逻辑更易理解，性能在大数据量下略低但可读性极佳。
掌握这一模式，你就能高效处理商品最新报价、用户最后登录、设备最新状态等典型时效性数据清洗任务。
