pandas 只选择最早的重复事件

在使用pandas进行数据处理时，经常会遇到数据中存在重复的情况，这时候我们需要选择其中最早的事件。本文将介绍如何使用pandas只选择最早的重复事件。

首先，我们需要使用pandas中的duplicated()方法找出重复的行，然后再使用drop_duplicates()方法仅保留最早的一条记录。

import pandas as pd

# 创建一个DataFrame示例
df = pd.DataFrame({'name': ['Tom', 'John', 'Tom'], 
                   'age': [20, 30, 22], 
                   'date': ['2020-01-01', '2021-02-01', '2020-01-01']})
print(df)

# 输出
   name  age        date
0   Tom   20  2020-01-01
1  John   30  2021-02-01
2   Tom   22  2020-01-01

# 找出并保留最早的重复记录
df = df.sort_values(by='date')
df = df.drop_duplicates(subset=['name'], keep='first')
print(df)

# 输出
   name  age        date
0   Tom   20  2020-01-01
1  John   30  2021-02-01

代码中，我们首先创建一个DataFrame示例，其中存在两条name值相同的记录，我们使用duplicated()方法找出重复行并打印出来，然后使用drop_duplicates()方法将最早的一条记录保留下来并打印出来。

如上所示，使用pandas只选择最早的重复事件非常简单，并且非常适用于数据清洗和数据去重的场景中。