Pandas：按列值删除准重复

Question

我有一个列表，比如说，看起来像这样（我把它放进DF中）：

[
['john', '1', '1', '2016'],
['john', '1', '10', '2016'],
['sally', '3', '5', '2016'],
['sally', '4', '1', '2016']
]

columns是['name', 'month', 'day', 'year']

我基本上是想输出一个新的DF，每个人只有最旧的一行。所以它应该包含两行，一行是16年1月1日的john，一行是16年3月5日的sally。你知道吗

我一直很难在DF的内部进行这种选择，希望有人能提供一些关于如何实现上述目标的建议。你知道吗

Answer 1

您可以按year, month, day对数据帧排序，然后从每个name中选取第一行：

df.sort_values(by = ['year', 'month', 'day']).groupby('name').first()

#   month   day year
# name          
# john  1   1   2016
#sally  3   5   2016

数据：

df = pd.DataFrame([['john', '1', '1', '2016'],
                   ['john', '1', '10', '2016'],
                   ['sally', '3', '5', '2016'],
                   ['sally', '4', '1', '2016']], 
                   columns = ['name', 'month', 'day', 'year'])

Answer 2

选项1 使用pd.to_datetime解析['year'、'month'、'day']列。
groupby('name')然后采取first

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.sort_values(['name', 'date']).groupby('name').first()

选项2
相同的pd.to_datetime用法。
groupby('name')使用idxmin查找最小日期。你知道吗

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.ix[df.groupby('name').date.idxmin()]