如何在 Pandas 中按分组保留最新日期对应的数据行

在数据分析工作中，按分组保留最新日期对应的数据行是非常常见的需求。比如我们需要从用户订单表中，获取每个用户最近的一次下单记录，或者从设备日志表中，提取每台设备最新的运行状态数据。这类需求的核心逻辑是先按照指定的分组字段对数据进行分组，然后在每个分组内找到日期最大的那一行数据并保留。

方法一：使用sort_values结合groupby的head方法

这种方法的思路是先按照日期字段降序排序，让每个分组内最新的日期排在最前面，然后按分组字段分组后取每个分组的第一行数据。具体实现步骤如下：

• 首先将日期字段转换为datetime类型，避免排序时出现字符串排序的错误
• 按照日期字段降序排序整个数据集
• 按照目标分组字段进行分组，取每个分组的第一行数据

下面是完整的代码示例：

import pandas as pd

# 构造示例数据
data = {
    'user_id': [1, 1, 2, 2, 3, 3],
    'order_date': ['2024-03-01', '2024-03-05', '2024-02-20', '2024-03-10', '2024-01-15', '2024-03-08'],
    'order_amount': [100, 200, 150, 300, 80, 120]
}
df = pd.DataFrame(data)

# 将order_date转换为datetime类型
df['order_date'] = pd.to_datetime(df['order_date'])

# 按日期降序排序，再按user_id分组取第一行
result = df.sort_values('order_date', ascending=False).groupby('user_id').head(1)
print(result)

这种方法的优点是逻辑直观，容易理解，适合数据量不大的场景。但如果数据量很大，先对整个数据集排序会消耗较多内存和时间。

方法二：使用groupby结合idxmax方法

idxmax方法可以返回每个分组中最大值对应的索引，我们可以利用这个特性先找到每个分组中最新日期的索引，再通过索引提取对应的数据行。具体实现如下：

import pandas as pd

# 构造示例数据
data = {
    'user_id': [1, 1, 2, 2, 3, 3],
    'order_date': ['2024-03-01', '2024-03-05', '2024-02-20', '2024-03-10', '2024-01-15', '2024-03-08'],
    'order_amount': [100, 200, 150, 300, 80, 120]
}
df = pd.DataFrame(data)

# 转换日期类型
df['order_date'] = pd.to_datetime(df['order_date'])

# 获取每个user_id对应的最新日期的索引
idx = df.groupby('user_id')['order_date'].idxmax()

# 通过索引提取数据
result = df.loc[idx]
print(result)

这种方法的效率比第一种更高，因为它不需要对整个数据集排序，只需要在分组内计算最大值索引，适合处理大规模数据。

方法三：使用drop_duplicates方法

如果数据已经按照日期降序排序，或者我们只需要保留每个分组中第一次出现的记录，也可以使用drop_duplicates方法，指定分组字段为去重依据，保留第一条记录即可。示例代码如下：

import pandas as pd

# 构造示例数据
data = {
    'user_id': [1, 1, 2, 2, 3, 3],
    'order_date': ['2024-03-05', '2024-03-01', '2024-03-10', '2024-02-20', '2024-03-08', '2024-01-15'],
    'order_amount': [200, 100, 300, 150, 120, 80]
}
df = pd.DataFrame(data)

# 转换日期类型
df['order_date'] = pd.to_datetime(df['order_date'])

# 先按日期降序排序，再去重保留每个user_id的第一条记录
result = df.sort_values('order_date', ascending=False).drop_duplicates(subset='user_id', keep='first')
print(result)

这种方法的逻辑也比较简单，适合已经对数据做过排序的场景，代码简洁度很高。

不同方法的对比

我们可以通过下面的表格对比三种方法的特性：

注意事项

在实际使用中需要注意以下几点：

• 一定要先将日期字段转换为datetime类型，否则字符串排序可能会出现2024-1-1排在2024-12-1前面的情况
• 如果日期字段存在缺失值，需要先处理缺失值，否则idxmax方法可能会返回错误结果
• 如果分组字段有多个，比如需要按用户和地区分组保留最新记录，只需要把groupby的参数改为列表即可，例如groupby(['user_id', 'region'])

如果数据中存在同一个分组内多条记录日期完全相同的情况，上述方法默认会保留其中一条，如果需要保留所有日期最新的重复记录，可以在分组后使用apply方法结合条件筛选实现。

Pandas分组操作日期处理数据筛选groupby修改时间：2026-07-08 18:48:27