这应该可以，只需要过滤df中的not Nan值和max asOfDate。

for tick in symbols:
    faang = Ticker(tick)
    faang.valuation_measures
    df = faang.valuation_measures
    try:
        for column_name in header :
            if column_name  not in df.columns:
                df.loc[:,column_name  ] = None
    except AttributeError:
        continue

    # filter for notna
    df = df[df['PbRatio'].notna()]
   
    # filter for max date
    df = df[df['asOfDate'] == df['asOfDate'].max()]
    df.to_csv('output.csv', mode='a', index=True, header=False, columns=header)

这里我创建了一个虚拟数据来处理，如果你提供数据就更好了。

df = pd.DataFrame([['A',12,123],['A',13,125],['A',2,None],['B',16,133],
['B',16,None],['B',14,139]], columns=['Name','id','score'])

Name    id  score
0   A   12  123.0
1   A   13  125.0
2   A   2   NaN
3   B   16  133.0
4   B   16  NaN
5   B   14  139.0

然后删除缺少值的行

df = df.dropna(how = 'any')

这看起来像这样：

Name    id  score
0   A   12  123.0
1   A   13  125.0
3   B   16  133.0
5   B   14  139.0

我得到一组唯一名称，这是您拥有的任何"AAPL "/" NVDA"列

names = set(df['Name'])

创建一个新的 Dataframe ，在其中我只获取每个唯一名称的最后一行，在我的示例中是"A"和"B"。在您的示例中应该是"AAPL "/" NVDA"。

new_df = pd.DataFrame(columns=df.columns)
for n in names:
    new_df.loc[new_df.shape[0]] = df.loc[df.query(f"Name== '{n}'").index[-1]]

这看起来应该像

new_df
>>>

    Name    id  score
0   B   14  139.0
1   A   13  125.0