Python Dataframe - 仅保留每个月最旧的记录

【问题标题】：Python Dataframe - only keep oldest records from each monthPython Dataframe - 仅保留每个月最旧的记录
【发布时间】：2022-02-16 22:38:46
【问题描述】：

我有一个带有日期列的 Pandas 数据框。我只想拥有每个月最旧的记录，并删除之前的所有记录。会有重复的，我想保留它们。我还需要一个只有月份和年份的新列。

输入

Provider	date
Apple	01/01/2022
Apple	05/01/2022
Apple	20/01/2022
Apple	20/01/2022
Apple	05/02/2022
Apple	10/02/2022

输出：

Provider	date	month_year
Apple	20/01/2022	01/2022
Apple	20/01/2022	01/2022
Apple	10/02/2022	02/2022

【问题讨论】：

既然 SO 不是一个代码编写服务，那么具体来说你在哪里实现这个？

标签： python pandas dataframe date

【解决方案1】：

使用Series.dt.strftime 创建列month_year，然后按GroupBy.transform 中的原始date 列比较每个组的最大日期时间，并在boolean indexing 中过滤：

df['date'] = pd.to_datetime(df['date'], dayfirst=True)

df = df.assign(month_year = df['date'].dt.strftime('%m/%Y'))

df = df[df.groupby(['Provider', 'month_year'])['date'].transform('max').eq(df['date'])]
print (df)
  Provider       date month_year
2    Apple 2022-01-20    01/2022
3    Apple 2022-01-20    01/2022
5    Apple 2022-02-10    02/2022

【讨论】：