获取熊猫数据帧中每一行的最高日期值。

Question

我有一个熊猫的数据，我得到了通过导入一个excel表。列主要是日期，但包含也可能是另一种数据类型，例如id列。现在，我想获取每一行的最新日期和相关的列名，以便获得一个或一系列的元组类型: id +最近日期。我对此非常陌生，我会感谢你的帮助。下面是一些代码示例。

 import pandas as pd   
 import os

 def main():
   #df=importExcel()
   #getLastActions(df)
   df1 = pd.DataFrame({'id':[1,2,3,4], 
                'y':[true,false,true,true],
                'date1':[1996-05-31,2002-01-01,1999-07-17,2019-01-01],
                'date2':[2010-10-11,2000-05-01,1999-12-17,1999-02-02],
                'date3':[1993-09-11,2005-11-11,1997-08-08,2019-04-15] })
    getLastActions(df1)

 def importExcel():
   wk_dir = os.path.dirname(os.path.realpath('__file__'))
   df = pd.read_excel (wk_dir+'/OPS.xlsx')
   return df

 def getLastActions(df):
   columns = list(df)
   for i in columns:
       #.......
 if __name__ == '__main__':
   main()                   

我想要得到某物。类似: result= (1,2010-10-11)，(2,2005-11)，(3,1999-12-17)，(4,2019-04-15)

也就是说，每一行的最大值，但只包含日期的列。有人知道怎么做吗？

Answer 1

按id列创建索引，选择带DataFrame.filter的datetimes列，获取每个行的最大值，将日期时间转换为字符串，最后将Series转换为按Series.items和list列出的元组。

df1 = pd.DataFrame({'id':[1,2,3,4], 
            'y':[True,False,True,True],
           'date1':pd.to_datetime(['1996-05-31','2002-01-01','1999-07-17','2019-01-01']),
           'date2':pd.to_datetime(['2010-10-11','2000-05-01','1999-12-17','1999-02-02']),
           'date3':pd.to_datetime(['1993-09-11','2005-11-11','1997-08-08','2019-04-15'])})
print(df1)
   id      y      date1      date2      date3
0   1   True 1996-05-31 2010-10-11 1993-09-11
1   2  False 2002-01-01 2000-05-01 2005-11-11
2   3   True 1999-07-17 1999-12-17 1997-08-08
3   4   True 2019-01-01 1999-02-02 2019-04-15

a = (list(df1.set_index('id')
             .select_dtypes('datetime')
             .max(axis=1)
             .dt.strftime('%Y-%m-%d')
             .items()))
print (a)
[(1, '2010-10-11'), (2, '2005-11-11'), (3, '1999-12-17'), (4, '2019-04-15')]

详细信息

print (df1.set_index('id').select_dtypes('datetime'))
        date1      date2      date3
id                                 
1  1996-05-31 2010-10-11 1993-09-11
2  2002-01-01 2000-05-01 2005-11-11
3  1999-07-17 1999-12-17 1997-08-08
4  2019-01-01 1999-02-02 2019-04-15

print (df1.set_index('id').select_dtypes('datetime').max(axis=1))
id
1   2010-10-11
2   2005-11-11
3   1999-12-17
4   2019-04-15
dtype: datetime64[ns]

print (df1.set_index('id').select_dtypes('datetime').max(axis=1).dt.strftime('%Y-%m-%d'))
id
1    2010-10-11
2    2005-11-11
3    1999-12-17
4    2019-04-15
dtype: object