df筛选 成交日期列相同的，仅保留成交时间列最新的

要筛选成交日期列（假设名为'date'）相同但成交时间列（如'time'）最新的行，你可以按照以下步骤操作：

1. 首先，对数据框（df）按'date'列进行分组，这样可以保证每个日期下的所有行都在同一组内。

grouped_df = df.sort_values(['date', 'time'], ascending=[True, False]).groupby('date')

2. 对于每个日期组，取最后一次交易（即time列最新），这可以通过`first()`函数实现，因为默认情况下`first()`会选择每个组的第一个非重复观测值。

new_df = grouped_df.first()

3. 如果你想保留原数据集中其他未发生变化的列，可以在`first()`之后选择这些列并合并结果。

selected_columns = [col for col in df.columns if col != 'time']
result_df = new_df[selected_columns]

4. 最后，如果你需要将这个筛选后的结果存储回数据库，可以使用`to_sql`函数，就像之前那样，但是这里的数据框是`result_df`而不是`db_data`。

result_df.to_sql(name='ptrade_filtered', con=engine, if_exists='append', index=False)

相关问题

df对筛选持仓数量列为0且成交时间列相同的行分组，仅保留组中成交日期最早的行

在数据处理中，使用pandas库的DataFrame对象可以方便地进行数据筛选和分组操作。对于您的需求，即筛选持仓数量列为0且成交时间列相同的行，并仅保留组中成交日期最早的行，可以使用以下步骤：

1. 首先，确保您的DataFrame已经正确加载了相关数据，并且包含了“持仓数量”和“成交时间”这两个列。
2. 使用`groupby`方法对“成交时间”列进行分组。
3. 在每个分组内，使用`idxmin()`方法找到“持仓数量”为0的行中成交日期最早的行的索引。
4. 使用这些索引来选择最终需要保留的行。

以下是具体的代码示例：

import pandas as pd

# 假设df是您的DataFrame，包含'持仓数量'和'成交时间'两列
# 首先筛选出持仓数量为0的行
filtered_df = df[df['持仓数量'] == 0]

# 然后按'成交时间'进行分组，并找到每组中'成交日期'最小的行的索引
earliest_indices = filtered_df.groupby('成交时间').apply(lambda x: x['成交日期'].idxmin())

# 使用这些索引从原始DataFrame中选取对应的行
result_df = df.loc[earliest_indices]

print(result_df)

这段代码将输出一个DataFrame，其中只包含每个相同成交时间组中成交日期最早的、持仓数量为0的行。请根据实际情况调整列名和逻辑以适应您的具体数据集。