查找给定列的 pandas df 中的第一个出现

Question

对于每个 customer_id 和 partition_date，我想找到给定 customer_id 出现在数据集中的第一个日期。这是我迄今为止尝试过的，但我一直收到以下错误：

df['first_seen_date'] = df.sort_values('partition_date').groupby('customer_id').first()

error:  Wrong number of items passed 3, placement implies 1

df

customer_id  partition_date  
24242        01.01.2020
24242        02.01.2020
24242        04.01.2020
35439        06.01.2020
35439        05.01.2020
35439        07.01.2020

期望的输出df

customer_id  first_seen_date
24242        01.01.2020
35439        05.01.2020

Answer 1

你很接近，分配给新的DataFrame：

df1 = df.sort_values('partition_date').groupby('customer_id', as_index=False).first()

或者使用DataFrame.drop_duplicates:

df1 = df.sort_values('partition_date').drop_duplicates('customer_id')