熊貓：由列拖放準重複值

Question

我有一個列表，讓我們說，看起來像這樣（這我把成DF）：

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

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

我基本上只想輸出一個新的DF，每個人只有最舊的行。所以它應該包含兩行，一個在1/1/16的約翰和一個在3/5/16的薩利。

在DF的這種選擇中，我一直都很難過，希望有人能提供一些關於如何完成上述的建議。

Answer 1

您可以按year, month, day數據幀，然後採取的第一行從每個name：

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

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

數據：

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

選項1個
使用pd.to_datetime解析['年'，'月'，'日' ] 列。
groupby('name')然後採取first

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

選項2
相同pd.to_datetime用法。
groupby('name')以idxmin查找最小日期。

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