基于最新日期获取字符串值的最后一次出现

Question

这里有三列数据，分别是：商品、商品类型和销售额。商品类型经常会变化。有时候，比如说“苹果”，在某个特定日期（比如1月1日）它的类型是“健康”，但在另一个日期（比如1月5日）它的类型可能就变成了“素食”。这样的商品有超过500个。

例如，数据框的样子如下：

商品	商品类型	日期	销售额
苹果	健康	1月1日	10
苹果	素食	1月5日	5

我们需要的输出结果是：

商品	商品类型	销售额
苹果	素食	15

（假设“素食”是数据中的最后一条记录），而总销售额是15。

现在如果在1月7日又添加了一条记录（苹果，水果，2），那么输出结果就会变成：

例如，数据框的样子如下：

商品	商品类型	日期	销售额
苹果	健康	1月1日	10
苹果	素食	1月5日	5
苹果	水果	1月7日	2

所需的输出结果是：

商品	商品类型	销售额
苹果	水果	17

我尝试使用 df.groupby .last 函数，但它只适用于数字数据。

Answer 1

在这种情况下，使用groupby的last函数应该是有效的，只要你能确认你的数据是按时间顺序输入的，你可以直接这样做：

import pandas

df = pandas.DataFrame(columns=['item', 'type', 'date', 'sales'])
df.loc[0] = ["Apple", "unripe", "Jan 1", 10]
df.loc[1] = ["Apple", "ripe", "Jan 10", 5]
df.loc[2] = ["Orange", "ripe", "Jan 12", 6]
df.groupby(["item"]).agg({'type': 'last', 'date': 'last', 'sales': sum})

这个groupby确保使用的是最新的日期和类型，而销售额则是所有分组条目的总和。

输出结果看起来像这样：

        type    date    sales
item            
Apple   ripe    Jan 10  15
Orange  ripe    Jan 12  6