Python 如何在pandas中比较和删除groupby中的行？

我有一个df，看起来像这样：

              datetime                     policyid                   score
0   1970-01-01 00:00:01.593560812         9876policyID1234567890        0 
1   1970-01-01 00:00:01.593560814         9876policyID1234567890        0 
2   1970-01-01 00:00:01.593560958         9876policyID1234567890        1
3   1970-01-01 00:00:01.593560964         9876policyID1234567890        1

              datetime                     policyid                   score
1   1970-01-01 00:00:01.593560814         9876policyID1234567890        0 
3   1970-01-01 00:00:01.593560964         9876policyID1234567890        1

我想按

policyid

和

score

进行分组，但只保留每个相同policyid和score具有最大戳记的行

我正在这样做groupby：

df.groupby(['policyid','score'])

此时，我不确定如何比较行之间的时间戳，并使行具有更大的时间戳

新DF应如下所示：

              datetime                     policyid                   score
0   1970-01-01 00:00:01.593560812         9876policyID1234567890        0 
1   1970-01-01 00:00:01.593560814         9876policyID1234567890        0 
2   1970-01-01 00:00:01.593560958         9876policyID1234567890        1
3   1970-01-01 00:00:01.593560964         9876policyID1234567890        1

              datetime                     policyid                   score
1   1970-01-01 00:00:01.593560814         9876policyID1234567890        0 
3   1970-01-01 00:00:01.593560964         9876policyID1234567890        1

---

提前谢谢。

您可以使用

对值进行排序

，然后

删除重复项

：

df=df.sort_values('datetime').drop_duplicates(['policyid','score'], keep='last') 

---

太好了，我做到了！