Python 熊猫：按列值删除准重复项

我有一个列表，比如说，看起来像这样（我把它放在DF中）：

列是
['name'、'month'、'day'、'year']

我基本上希望输出一个新的DF，每个人只输出最旧的一行。因此，它应该包含两行，一行是2016年1月1日的john，另一行是2016年3月5日的sally

我在DF的内部一直很难进行这种选择，希望有人能就如何实现上述目标提供一些建议。
您可以按
年、月、日对数据帧进行排序，然后从每个
名称中选择第一行：

df.sort_values(by = ['year', 'month', 'day']).groupby('name').first()

#   month   day year
# name          
# john  1   1   2016
#sally  3   5   2016

数据：

您可以按
年、月、日对数据框进行排序，然后从每个
名称中选取第一行：

df.sort_values(by = ['year', 'month', 'day']).groupby('name').first()

#   month   day year
# name          
# john  1   1   2016
#sally  3   5   2016

数据：

选项1

使用
pd.to_datetime
解析['year'、'month'、'day']列。

groupby（'name'）

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.sort_values(['name', 'date']).groupby('name').first()


选项2

相同的
pd.to_datetime
用法。

groupby（'name'）
使用
idxmin
查找最小日期

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.ix[df.groupby('name').date.idxmin()]

选项1

使用
pd.to_datetime
解析['year'、'month'、'day']列。

groupby（'name'）

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.sort_values(['name', 'date']).groupby('name').first()


选项2

相同的
pd.to_datetime
用法。

groupby（'name'）
使用
idxmin
查找最小日期

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
df.ix[df.groupby('name').date.idxmin()]

不需要按
名称进行排序，是吗？不需要，但如果要查看交互结果，我想将名称保存在一起。不需要。按
name
排序是不必要的，是吗？不，但如果要查看交互结果，我想将名称保持在一起。不过没必要。