Python 选择每个日期的最后时间戳

数据帧每天只包含几个时间戳，我需要为每个日期选择最新的时间戳（不是值，而是时间戳本身）。df如下所示：

                               A      B      C
2016-12-05 12:00:00+00:00  126.0   15.0  38.54
2016-12-05 16:00:00+00:00  131.0   20.0  42.33
2016-12-14 05:00:00+00:00  129.0   18.0  43.24
2016-12-15 03:00:00+00:00  117.0   22.0  33.70
2016-12-15 04:00:00+00:00  140.0   23.0  34.81
2016-12-16 03:00:00+00:00  120.0   21.0  32.24
2016-12-16 04:00:00+00:00  142.0   22.0  35.20

我通过定义以下功能实现了我所需要的：

def find_last_h(df,column):
    newindex = []
    df2 = df.resample('d').last().dropna()
    for x in df2[column].values:
        newindex.append(df[df[column]==x].index.values[0])
    return pd.DatetimeIndex(newindex)

使用它，我指定要用作过滤器的列的值，以获得所需的时间戳。这里的问题是在非唯一值的情况下，这可能无法按预期工作

使用的另一种方法是：

  grouped = df.groupby([df.index.day,df.index.hour])
  grouped.groupby(level=0).last()

然后重新构造时间戳，但它更为冗长。什么是聪明的方法？

与truncate

时代创建的掩码一起使用

：

idx = df.index.floor('D')
df = df[~idx.duplicated(keep='last') | ~idx.duplicated(keep=False)]
print (df)
                         A     B      C
2016-12-05 16:00:00  131.0  20.0  42.33
2016-12-14 05:00:00  129.0  18.0  43.24
2016-12-15 04:00:00  140.0  23.0  34.81
2016-12-16 04:00:00  142.0  22.0  35.20

另一个带+的解决方案：

---

重新采样

和

分组方式

日期

仅丢失时间：

print (df.resample('1D').last().dropna())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20

print (df.groupby([df.index.date]).last())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20

怎么样

---

df.resample（'24H'，kind='period'）.last（）.dropna（）

？

你所说的损失时间是什么意思？输出只是没有时间的日期。检查我的答案并比较datetimeindex。我们可以通过kind='period'，编辑答案，这样我可以得到正确的日期作为索引，但我们失去了原始时间（都是12:00），效果很好，谢谢！一个问题，是否真的需要|~idx.duplicated（keep=False）？我已经得到了正确的布尔数组，没有它！此代码获取所有唯一的行。也许你的真实数据中没有，但如果使用你的样本，3。没有它的行将被删除。这帮助我做了OP想要做的相反的事情（我需要做的），那就是删除每天的最后一个条目。只需要

df=df[idx.duplicated（keep='last'）]

。这是否取决于原始数据帧的顺序？

print (df.resample('1D').last().dropna())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20

print (df.groupby([df.index.date]).last())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20