如何只返回Pandas中最近的行？
如何只返回Pandas中最近的行？
提问于 2020-09-16 08:45:23
我正在处理候选人的求职申请，一些候选人提交了多份申请，我的目标是将数据集减少到每个候选人的最新申请。
我的代码如下：
import pandas as pd
data = {'application_date' : ["9/11/2020 10:30:31", "9/11/2020 11:07:59", "9/11/2020 11:09:02", "9/14/2020 13:14:31", "9/14/2020 13:15:15"],
'candidate_id' : ["001", "002", "002", "002", "002"]
}
df = pd.DataFrame(data)
df['application_date'] = pd.to_datetime(df['application_date'])
df['rank_application'] = df.groupby('candidate_id')['application_date'].rank(method='first')这将返回以下内容：
application_date candidate_id rank_application
0 2020-09-11 10:30:31 001 1.0
1 2020-09-11 11:07:59 002 1.0
2 2020-09-11 11:09:02 002 2.0
3 2020-09-14 13:14:31 002 3.0
4 2020-09-14 13:15:15 002 4.0这就是我被卡住的地方。从这里开始，我不知道如何仅将df减少到每个candidate_id的最新值。我原本希望按降序排序，然后找出如何取rank_application =1的行(但我想不出来)
回答 3
Stack Overflow用户
回答已采纳
发布于 2020-09-16 08:59:19
这是你需要的：
import pandas as pd
data = {'application_date' : ["9/11/2020 10:30:31", "9/11/2020 11:07:59", "9/11/2020 11:09:02", "9/14/2020 13:14:31", "9/14/2020 13:15:15"],
'candidate_id' : ["001", "002", "002", "002", "002"]
}
df = pd.DataFrame(data)
df['application_date'] = pd.to_datetime(df['application_date'], infer_datetime_format=True)
result = df.iloc[df.groupby('candidate_id')['application_date'].agg(pd.Series.idxmax)]
print(result)结果：
application_date candidate_id
0 2020-09-11 10:30:31 001
4 2020-09-14 13:15:15 002.iloc[]采用一系列索引来获取适当的行。可能需要pd.to_datetime语句来强制application_date成为pd.Series.idxmax工作所需的适当日期时间格式。
Stack Overflow用户
发布于 2020-09-16 09:44:54
首先，因为这是时间数据中的排序和选择，所以您应该将列转换为pandas date_time，以便pd.to_datetime能够很好地操作pandas。
然后，您可以通过选择df['application_date'].agg(pd.Series.idxmax)时间序列中的最大值来选择'application_date‘。但是，因为您要在不同的id或排名中查找最新的时间，所以需要添加一个groupby来帮助最大限度地选择每个id。
df.groupby('candidate_id')['application_date'].agg(pd.Series.idxmax)如果你想选择申请日期:你可以很容易地通过iloc索引他们
df.iloc[df.groupby('candidate_id')['application_date'].agg(pd.Series.idxmax)]Stack Overflow用户
发布于 2021-09-19 06:01:13
我对这个答案有点晚了。当我在搜索类似的东西时，我偶然发现了这篇文章。
这是我在尝试查找最新记录时通常会做的事情。
df['rank_application'] = df.groupby('candidate_id')['application_date'].rank(method='first', ascending=False)
df = df[df.rank_application == 1]问题中发布的初始方法是我遵循的方法。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63911616
复制相关文章
相似问题
腾讯云开发者
