Pandas python如何选择每个用户的最新样本作为测试数据？

我的数据如下。我想按时间戳排序，并使用每个用户ID的最新样本作为测试数据。我应该如何进行列车和测试分离？我尝试使用pandas对时间戳上的值进行排序，然后按“userid”分组。但我只得到一个groupby对象。正确的方法是什么？pyspark是更好的工具吗

---

在我得到测试数据的dataframe之后，应该如何分割数据？显然，我不能使用sklearn的train_test_split。

您可以执行以下操作：

# Sort the data by time stamp
df = df.sort_values('timestamp')

# Group by userid and get the last entry from each group
test_df = df.groupby(by='userid', as_index=False).nth(-1)

# The rest of the values
train_df = df.drop(test_df.index)

import pyspark.sql.functions as F

max_df = df.groupby("userid").agg(F.max("timestamp"))
# join it back to the original DF 
df = df.join(max_df, on="userid")
train_df = df.filter(df["timestamp"] != df["max(timestamp)"])
test_df = df.filter(df["timestamp"] == df["max(timestamp)"])

---

您可以执行以下操作：

# Sort the data by time stamp
df = df.sort_values('timestamp')

# Group by userid and get the last entry from each group
test_df = df.groupby(by='userid', as_index=False).nth(-1)

# The rest of the values
train_df = df.drop(test_df.index)

import pyspark.sql.functions as F

max_df = df.groupby("userid").agg(F.max("timestamp"))
# join it back to the original DF 
df = df.join(max_df, on="userid")
train_df = df.filter(df["timestamp"] != df["max(timestamp)"])
test_df = df.filter(df["timestamp"] == df["max(timestamp)"])

---

您必须按用户id分组，并从每个组中获取最大时间戳。你应该能在这里得到答案：什么？真的吗<代码>第n个？我能有进一步的问题吗？在我得到测试数据之后，我应该如何将它们从原始数据帧中分割出来？df这是我想要的测试数据，但我应该从原始数据帧中删除它们，以便获得trining数据吗？谢谢