Python 按分组方式从dataframe中选择行，并在给定列中选择max

我有一个如下结构的数据集。这是一个示例，因此请想象一个包含许多序列的数据帧。有几件事需要明确：

时间

按降序排列。 在处创建的也按降序排列。 当出现新的

源

或

货币

时，

时间和
在
重置时创建

index  time          app_v   last     source   currency   created_at
1      2019-10-23    3       4488     gol      JPY        66
2      2019-10-23    29193   6687     gol      JPY        65
3      2019-10-22    3       4587     gol      JPY        64
4      2019-10-20    3       5687     gol      JPY        63
5      2019-10-19    3       34787    gol      JPY        62
6      2019-10-18    3       11789    gol      JPY        61
...

预期输出是按
来源
货币
和
应用程序v
分组的最新
最后一次
时间
。对于此示例，我们有两行对应：

index  time          app_v   last     source   currency   created_at
1      2019-10-23    3       4488     gol      JPY        66
2      2019-10-23    29193   6687     gol      JPY        65

您可以调用
last
，计算每个组的最后一个值，并使用
iloc
获取行值：

df.groupby(["source", "currency", "app_v"]).last().iloc[-1]

您可以使用name属性访问索引组值，如：
df.get_group（df.groupby（'a'）.last（）.iloc[-1].name）
我快速修复了以下问题：ext_bal=ext_bal.loc[ext_bal['time']==ext_bal['time'].max（）
，ext_bal
是数据帧的名称。但我希望能够用同样的方法选择最后n天。不知道怎么做。您只能使用我的方法，并且
df.groupby（[“源”、“货币”、“应用程序”]）。last（）.iloc[-n]
将
n
作为天数传递