python - 根据多列中的值从数据框中删除重复行

Question

<表类="s-表"> <头> 电子邮件 <日>日期 名称 完成 <正文> aaa@xyz.com 01-07-2022 12:40:00 詹姆斯 否 aaa@xyz.com 01-07-2022 12:10:00 詹姆斯 是 aaa@xyz.com 01-07-2022 12:19:00 詹姆斯 是 aaa@xyz.com 01-07-2022 12:30:00 詹姆斯 否 bbb@xyz.com 02-07-2022 08:04:00 克拉克 是 bbb@xyz.com 02-07-2022 08:08:00 克拉克 是 bbb@xyz.com 02-07-2022 08:13:00 克拉克 否 bbb@xyz.com 02-07-2022 08:28:00 克拉克 否

在上面的数据框中，我想删除与 name/email-id 关联的多行并保留最早的时间。

输出

<表类="s-表"> <头> 电子邮件 <日>日期 名称 完成 <正文> aaa@xyz.com 01-07-2022 12:10:00 詹姆斯 是 aaa@xyz.com 01-07-2022 08:04:00 克拉克 是

这是我试过的；

df = df.sort_values('date')
df = df.groupby('date').first()

这最终创建了日期作为索引。我不想将我正在排序的列创建为索引，我想就地排序。基本上，我想获得每个姓名和电子邮件的最早“日期”。 'name' 和 'email' 列都有重复的值，唯一的区别因素是 'date' 列中的值。在特定人员的“日期”列中的所有值中，我只想保留完成时的最早日期 ="is"并删除所有其他行。

Answer 1

df.sort_values('date').groupby(['email', 'name']).first().reset_index()

给予

<表类="s-表"> <头> 索引 电子邮件 名字 <日>日期 完成 <正文> 0 aaa@xyz.com 詹姆斯 01-07-2022 12:10:00 是 1 bbb@xyz.com 克拉克 02-07-2022 08:04:00 是