熊猫-确定数据框中每个帐户的最长日期

Question

我有一个示例数据框：

df = pd.DataFrame({'Account':['1234', '1234', '4567', '4567'],
                   'Date':['12/5/2017', '12/5/2017', '12/10/2017', '12/11/2017']})

df.Date = pd.to_datetime(df.Date)

df.head()

     Account   Date
0    1234     2017-12-05
1    1234     2017-12-05
2    4567     2017-12-10
3    4567     2017-12-11

我想添加一个名为MaxDate的列，其中将包含每个帐户的最后日期。最终结果如下：

df = pd.DataFrame({'Account':['1234', '1234', '4567', '4567'],
                   'Date':['12/5/2017', '12/5/2017', '12/10/2017', '12/11/2017'],
                   'MaxDate':['12/5/2017', '12/5/2017', '12/11/2017', '12/11/2017']})

df.Date = pd.to_datetime(df.Date)
df.MaxDate = pd.to_datetime(df.MaxDate)

df.head()

     Account  Date         MaxDate
0    1234     2017-12-05   2017-12-05
1    1234     2017-12-05   2017-12-05
2    4567     2017-12-10   2017-12-11
3    4567     2017-12-11   2017-12-11

我不确定是否应该在数据帧上迭代还是？请注意，数据集可以是一百万行，因此性能是一个考虑因素。任何指导表示赞赏。

Answer 1

In [107]: df['MaxDate'] = df.groupby('Account').Date.transform('max')

In [108]: df
Out[108]:
  Account       Date    MaxDate
0    1234 2017-12-05 2017-12-05
1    1234 2017-12-05 2017-12-05
2    4567 2017-12-10 2017-12-11
3    4567 2017-12-11 2017-12-11

或'last'根据您的目标

df['MaxDate'] = df.groupby('Account').Date.transform('last')