根据最近和最近的日期对公共 ID 进行分组

Question

尝试从我的数据中的两个字段中获取最高和最低日期，并根据 id 对它们进行分组。 我注意到我的日期字段有一个字符串，它阻止排序并限制我获得正确的结果。

我的数据集--df

ID	登录	登出
1	2020 年 1 月 11 日	2021 年 3 月 23 日
1	2020 年 8 月 12 日	现在
1	2018 年 1 月 10 日	现在
1	2021 年 2 月 2 日	2021 年 2 月 3 日
2	1990 年 4 月 5 日	2021 年 3 月 22 日
3	2010 年 1 月 25 日	2021 年 2 月 22 日
2	2015 年 6 月 12 日	现在
4	现在	现在

我得到了什么：

ID	登录	登出
1	2018 年 1 月 10 日	现在
2	1990 年 4 月 5 日	现在
3	2010 年 1 月 25 日	2021 年 2 月 22 日
4	现在	现在

我如何期望 output

ID	登录	登出
1	2018 年 1 月 10 日	2021 年 3 月 23 日
2	1990 年 4 月 5 日	2021 年 3 月 22 日
3	2010 年 1 月 25 日	2021 年 2 月 22 日
4	现在	现在

my code:
sample= {'login':'min', 'logout':'max'}
final= df.groupby(['id'], sort=True).agg(sample)

我的方法或 python 中解决此问题的更好方法有什么问题吗？ 或者除了替换df中的字符串之外，还有其他避免字符串的聪明方法吗？ （我来自 sql，所以仍然习惯于 pythonic 的东西:) 提前谢谢

Answer 1

那是因为就字符串比较而言， 'now' > '03/23/2021' 。 您now可以尝试用较小的字符串替换：

tmp_now = '000000'
(df.replace('now',tmp_now)
   .groupby(['id'], sort=True).agg(sample)
   .replace(tmp_now,'now')
)

Output：

         login      logout
id                        
1   01/10/2018  03/23/2021
2   04/05/1990  03/22/2021
3   01/25/2010  02/22/2021
4          now         now