获取Pandas DataFrame每个元素的最新信息，以及范围索引和日期列？

Question

我有一个这样的示例DataFrame：

df = pd.DataFrame(data=[('foo', datetime.date(2014, 10, 1)), 
                        ('foo', datetime.date(2014, 10, 2)), 
                        ('bar', datetime.date(2014, 10, 3)), 
                        ('bar', datetime.date(2014, 10, 1))], 
                  columns=('name', 'date'))

看起来像这样：

  name        date
0  foo  2014-10-01
1  foo  2014-10-02
2  bar  2014-10-03
3  bar  2014-10-01

我想将数据框限制为仅在名称列中每个元素的最后一个事件，我该怎么做？

我可能很尴尬（至少我认为这很尴尬）构造一个布尔Series对象来做到这一点，并将其传递给DataFrame的__getitem__ ，如下所示：

pd[latest_name]

如何最优雅地获取每个name元素的最新条目？

Answer 1

一位同事对此有一个非常相似的问题。

使用这样的DataFrame对象：

  name        date
0  foo  2014-10-01
1  foo  2014-10-02
2  bar  2014-10-03
3  bar  2014-10-01

您可以按日期排序，然后删除重复项，最后保留这样的内容：

last = df.sort(columns=('date',)).drop_duplicates(cols=('name',), take_last=True)
# note cols is deprecated in more recent versions of pandas,
# and you should use subset='name' if available to you

last是：

  name        date
1  foo  2014-10-02
2  bar  2014-10-03

[2 rows x 2 columns]

但是，如果我们可以删除旧索引，然后按索引排序，则最好将日期设置为索引：

df = df.set_index('date')
df = df.sort_index() # inplace=True is deprecated, so must assign

df现在返回：

           name
date           
2014-10-01  foo
2014-10-01  bar
2014-10-02  foo
2014-10-03  bar

现在只考虑最后一个元素：

last_elements_frame = df.drop_duplicates(take_last=True)

现在last_elements_frame是：

           name
date           
2014-10-02  foo
2014-10-03  bar