一张表里面有多个record，在合并时我只想取最新的哪一个，其他的都丢弃，请问有没有函数实现这个功能？

[aliyun]

一张表里面有多个record，在合并时我只想取最新的哪一个，其他的都丢弃，请问有没有函数实现这个功能？

[qinxuye]

这个实际上是个 SQL 或者用 DataFrame 很容易解决的问题。方法就是用窗口函数，我以 DataFrame 为例。

首先，你肯定是有一列表示时间的。我们假设叫 dt。

In [18]: df
   a  b                  dt
0  a  1 2017-12-20 10:20:30
1  a  1 2017-12-20 10:21:11
2  a  1 2017-12-20 11:01:22
3  b  2 2017-12-11 02:06:11
4  b  2 2017-12-10 03:11:55

In [19]: df.dtypes
Out[19]: 
odps.Schema {
  a   string          
  b   int64           
  dt  datetime        
}

In [28]: df2 =  df[df, df.groupby('a', 'b').sort('dt', ascending=False).rank().r
    ...: ename('rank')]

In [30]: df2
   a  b                  dt  rank
0  a  1 2017-12-20 11:01:22     1
1  a  1 2017-12-20 10:21:11     2
2  a  1 2017-12-20 10:20:30     3
3  b  2 2017-12-11 02:06:11     1
4  b  2 2017-12-10 03:11:55     2

In [31]: df2[df2.rank == 1][df]
   a  b                  dt
0  a  1 2017-12-20 11:01:22
1  b  2 2017-12-11 02:06:11

由于 MaxCompute 不能在过滤中用窗口函数，因此我们先创建 df2，也就是追加了一列，然后再过滤，最终再选择 df 的字段，也就是去掉 rank 列。

Update:
PyODPS 窗口函数文档：http://pyodps.readthedocs.io/zh_CN/latest/df-window-zh.html

[thesby]

哇，谢谢！