パンダのデータフレームの重複除外と最新のレコードの取得

Question

私は重複と更新日を持つデータフレームを持っています。開始日：

私が探しているのは、重複を削除して最新のレコードを取得する方法です。私はdrop_duplicates（）について知っているが、それは100％同一の行しかドロップしない。私はこのようなものを試してみました

：だから、所望の出力は次のようになり

grouped = df.groupby(['First Name', 'Middle Name','Last Name','Job Title','Active','Contractor']) 
new_data = grouped['Update Date'].agg(np.max).to_frame().reset_index() 

をしかし、その後の最大を取るすべての列でグループ化するよりも、これを行うためのより良い方法が存在しなければなりません更新日。 特定の列でグループ化し、最大更新日を取得する場合はどうすればよいですか？しかし、グループ化されなかった他の列を取ることもできます。

たとえば、First、middle、およびlast nameでグループ化し、最新のレコードのレコード全体を取得します。

入力：

所望の出力。

ありがとうございました！

Answer 1

私のコメントにもかかわらず、データフレーム全体を最初に注文してから、すべてのグループの最初の行を取ることができます。

df = df.sort_values('Update Date', ascending=False) 
df.groupby(['First Name', 'Middle Name','Last Name']).first().reset_index() 

Answer 2

drop_duplicatessubset引きとります。それは一意に一人一人を識別するキーを持っていることが最善であるかもしれない

ident_fields = ['First Name', 'Middle Name','Last Name'] 
df = (df.sort_values('Update Date') 
     .drop_duplicates(subset=ident_fields, keep='last'))