如何获取 pandas 中 groupby() 中的最后一条记录？

Question

我有一个数据框df，其中包含每个学生的许多记录。我经常想获得具有最后时间戳的那个。

做这个的最好方式是什么？以前我一直在使用last()，但这给出了最后一个非空值，而实际上我只想要最后一个值，空值或其他值。

使用apply(lambda r: r.iloc[-1])有效，但代码感觉很丑（我讨厌使用 anapply并且据说它感觉缓慢且低效，可能是因为 apply）。

这样做的正确方法是什么？

(Pdb) df = pd.DataFrame([["A",2,3],["B",5,6],["A",np.NaN,4]], columns=["student", "value_a", "timestamp"]).sort_values("timestamp")
(Pdb) df
  student  value_a  timestamp
0       A      2.0          3
2       A      NaN          4
1       B      5.0          6

(Pdb) df.groupby("student").last()
# This gives the wrong answer
         value_a  timestamp
student                    
A            2.0          4
B            5.0          6

(Pdb) df.groupby("student").apply(lambda r: r.iloc[-1])
# This gives the right answer but feels inefficient
        student  value_a  timestamp
student                            
A             A      NaN          4
B             B      5.0          6

Answer 1

一种选择是使用groupby.tail：

df.groupby('student').tail(1)

输出：

  student  value_a  timestamp
2       A      NaN          4
1       B      5.0          6

请注意，如果您想要最后一个时间戳，另一个选项是使用以下索引groupby.idxmax：

df.loc[df.groupby('student')['timestamp'].idxmax()]