您也可以使用tail和groupby来获取组的最后n个值：

df.sort_values('date').groupby('id').tail(1)

    id  product date
2   220 6647    2014-10-16
8   901 4555    2014-11-01
5   826 3380    2015-05-19

字符串

在groupby中使用idxmax，用loc切片df

df.loc[df.groupby('id').date.idxmax()]

    id  product       date
2  220     6647 2014-10-16
5  826     3380 2015-05-19
8  901     4555 2014-11-01

字符串

我遇到了类似的问题，最终使用了drop_duplicates而不是groupby。
与上面建议的其他方法相比，它在大型数据集上的运行速度明显更快。

df.sort_values(by="date").drop_duplicates(subset=["id"], keep="last")

    id  product        date
2  220     6647  2014-10-16
8  901     4555  2014-11-01
5  826     3380  2015-05-19

字符串

给定一个按日期排序的数组，您可以通过多种方式获得您所要求的内容：
就像这样：

df.groupby(['id','product']).last()

字符串
就像这样：

df.groupby(['id','product']).nth(-1)

型
或者像这样：

df.groupby(['id','product']).max()

型
如果不希望id和product显示为索引，请使用groupby(['id', 'product'], as_index=False)。或者用途：

df.groupby(['id','product']).tail(1)

型

要使用.tail()作为聚合方法并保持分组不变，请执行以下操作：

df.sort_values('date').groupby('id').apply(lambda x: x.tail(1))

        id  product date
id              
220 2   220 6647    2014-10-16
826 5   826 3380    2015-05-19
901 8   901 4555    2014-11-01

字符串

#import datetime library
from datetime import datetime as dt

#transform the date column to ordinal, or create a temp column converting to ordinal.
df['date'] = df.date.apply(lambda date: date.toordinal())

#apply aggregation function depending your desire. Earliest or Latest date.
latest_date = df.groupby('id').agg(latest=('date', max)) 
earliest_date = df.groupby('id').agg(earliest=('date', min)) 

#convert it from ordinal back to date.
df['date'] = df.date.apply(lambda date: dt.fromordinal(date))

#This operation may take seconds on millions of records.

字符串