推荐用先排序再drop_duplicates(subset=..., keep='last')或groupby().idxmax()替代groupby().apply(lambda x: x.sort_values(...).tail(1))，因后者性能差、结果不稳定且易报错。
用 groupby().apply(lambda x: x.sort_values(...).tail(1)) 为什么慢且危险
这不是推荐做法。虽然语法上能跑通，但 apply + lambda 会触发 Python 层循环，对大数据（比如 >10 万行）性能断崖式下降；更关键的是，如果某组为空或全为 NaN，tail(1) 可能返回空 DataFrame，导致最终结果 shape 不一致甚至报错 ValueError: cannot concatenate a non-NDFrame object。
- 避免在
apply内做排序 —— 排序本身是全局开销，重复执行 N 次组数就放大 N 倍 - 不用
tail(1)替代索引选择：它不保证稳定（比如时间相同时的顺序依赖原始位置），也不支持多级排序优先级 - 真要
apply，至少先sort_values一次再分组，而不是每组都排
正确姿势：先排序，再 drop_duplicates(subset=..., keep='last')
这是最简洁、高效、稳定的方案。核心逻辑是：把“每组最新一条”转化为“按分组字段 + 时间字段联合去重，保留最后出现的”。前提是已按时间字段升序排序 —— 这样最后出现的自然就是时间最大的那条。
- 先执行
df.sort_values(['group_col', 'time_col'], inplace=True)（注意：多列排序时，group_col在前确保组内连续） - 再调用
df.drop_duplicates(subset=['group_col'], keep='last')——keep='last'依赖刚完成的排序结果 - 如果时间字段含
NaT或None，默认会被排在最前（升序）或最后（降序），需提前用na_position='last'控制（如sort_values(..., na_position='last')）
示例：
df_sorted = df.sort_values(['category', 'updated_at'], na_position='last') result = df_sorted.drop_duplicates(subset=['category'], keep='last')
用 groupby().idxmax() 直接拿索引，适合时间字段可比的情况
当“最新”由单一数值/时间列定义（如 updated_at 是 datetime64），idxmax() 是最优解：它不复制数据，只返回每组中该列最大值对应的原始索引，再用 .loc 一次取出，速度接近 C 层实现。
立即学习“Python免费学习笔记（深入）”；
- 必须确保目标列可比较且无
NaN，否则idxmax()报ValueError: No numeric data to aggregate - 有
NaN时加skipna=True（默认），但要注意：若整组全是NaN，仍会报错；稳妥做法是先df = df.dropna(subset=['updated_at']) - 不能直接用于字符串时间（如
'2023-01-01'），得先转成pd.to_datetime()
示例：
df['updated_at'] = pd.to_datetime(df['updated_at'])
idx = df.groupby('category')['updated_at'].idxmax()
result = df.loc[idx]
为什么不用 groupby().tail(1)？它根本不按时间选
tail(1) 在 groupby 后的行为是“取每组在原始 DataFrame 中的最后一条”，和时间无关。除非你事先已按时间全局排序，否则结果完全不可控 —— 它只反映数据加载/拼接顺序，不是业务意义上的“最新”。
- 常见误用：
df.groupby('category').tail(1)→ 看似简洁，实则结果随机 - 即使你之前调过
sort_values，如果没加inplace=True或重新赋值，groupby仍基于原始顺序 -
first()同理，只是取每组第一条，同样不保证时间先后
真正需要“每组第一条/最后一条”的场景极少，绝大多数所谓“最新”都隐含时间或版本字段依赖，绕不开显式排序或聚合。
实际项目里最容易被忽略的是na_position 和 dropna 的配合 —— 很多时候数据里藏着几个 NaT，导致 idxmax() 崩溃或 drop_duplicates 漏掉本该保留的记录，查起来特别费时间。 
