在 Pandas 中查找 groupby 之后与最大日期相关的行答案

【问题标题】：Find the row associated with maximum date after groupby in Pandas在 Pandas 中查找 groupby 之后与最大日期相关的行
【发布时间】：2019-04-13 09:48:44
【问题描述】：

我有一个包含 PERSON_ID、MOVING_DATE 和 PLACE 的 3 列的 pandas DataFrame，如下所示：

df = pandas.DataFrame(
[[1,datetime.datetime(2018, 1, 1), 'New York'], 
 [1, datetime.datetime(2018, 1, 20), 'Rio de Janeiro'],
 [1, datetime.datetime(2018, 2, 13), 'London'],
 [2, datetime.datetime(2017, 6, 12), 'Seatle'],
 [2, datetime.datetime(2016, 10, 10), 'New Mexico'],
 [3, datetime.datetime(2017, 9, 19), 'Sao Paulo'],
 [3, datetime.datetime(2015, 12, 11), 'Bangladesh']]],
columns=['PERSON ID', 'MOVING DATE', 'PLACE']
)

   PERSON ID MOVING DATE           PLACE
0          1  2018-01-01        New York
1          1  2018-01-20  Rio de Janeiro
2          1  2018-02-13          London
3          2  2017-06-12          Seatle
4          2  2016-10-10      New Mexico
5          3  2017-09-19       Sao Paulo
6          3  2015-12-11      Bangladesh

我想根据最后一次移动日期 (MOVEMENT_DATE) 找到此人所在的位置。

groupby方法可以得到结果吗？

到目前为止，我已经尝试过：

df = df.sort_values(['PERSON ID', 'MOVING DATE'])
df.groupby(['PERSON ID', 'MOVING DATE']).agg(
     {'MOVING DATE': max, 'PLACE': 'last'}
)

但它没有成功。任何帮助将不胜感激。

提前致谢，

雷南

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

sort 在这里是多余的，这是 O(nlogn) 的时间复杂度，当您可以使用 loc 和 idxmax 做到这一点时：

df.loc[df.groupby('PERSON ID')['MOVING DATE'].idxmax()]

   PERSON ID MOVING DATE      PLACE
2          1  2018-02-13     London
3          2  2017-06-12     Seatle
5          3  2017-09-19  Sao Paulo

【讨论】：

出于好奇，这个方法的复杂性是什么，logn？
@Yuca 它是 O(n)
那么这应该是公认的答案

【解决方案2】：

要添加到@Yuca 并提供答案，您还可以使用 pandas 库中提供的 .max() 函数，方法与添加 .last() 的方式相同。

【讨论】：

嗨@Tyler Filko，感谢您的回答，但是 .max() 方法将使用地点名称的字母来选择最大地点，不是吗？

【解决方案3】：

使用DataFrame.groupby 和Grouper.last 的单行代码：

df.sort_values('MOVING DATE').groupby('PERSON ID').last()

输出：

     MOVING DATE      PLACE
PERSON ID                       
1          2018-02-13     London
2          2017-06-12     Seatle
3          2017-09-19  Sao Paulo

【讨论】：

很好的答案@Yuca。谢谢！！