【Python】積上げ式のAccessDBのうち、最新データのみ抽出する

課題

AccessのSQLではグループごとにソートする機能（ランク付け）が備わっていない。
Pythonの groupby() と rank() を活用し、AccessのDBに接続することで解決する。

現状

積上げ式のDBに下記のようなデータが入っているとする。
（履歴を残すために、１つのIDに対して複数データを積み上げる仕様になっている。）

顧客ID	顧客名	開発担当	進捗状況	更新日
1	A会社	青木	１．コーディング	2024/04/04
1	A会社	井上	２．テスト	2024/05/05
1	A会社	上野	３．リリース	2024/06/06
2	B会社	青木	１．コーディング	2024/05/05
2	B会社	伊藤	２．テスト	2024/07/07
3	C会社	相川	１．コーディング	2024/06/06

目標

１つのIDに対して最新データのみを抽出したい。
キーは「顧客ID」、最新データは「更新日」で判別する。

顧客ID	顧客名	開発担当	進捗状況	更新日
1	A会社	上野	３．リリース	2024/06/06
2	B会社	伊藤	２．テスト	2024/07/07
3	C会社	相川	１．コーディング	2024/06/06

作成したコード

Python

import pyodbc
import pandas as pd

# Accessデータベースに接続
con = pyodbc.connect('DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};DBQ=C:/Python/testDB.accdb;')
sql = 'SELECT * FROM table_A'
df = pd.read_sql(sql, con)

# キー項目でグループ化
# 更新日順でランク付け
df['ランク'] = df.groupby(['顧客ID'])['更新日'].rank(ascending=False)

# ランク=1だけ抽出
df = df.query('ランク == 1')

# 結果を表示
print(df)

コード解説（抜粋）

# キー項目でグループ化
# 更新日順でランク付け
df['ランク'] = df.groupby(['顧客ID'])['更新日'].rank(ascending=False)

df['ランク']
DataFrameに項目「ランク」として追加。

df.groupby(['顧客ID'])
「顧客ID」でグループ化。

['更新日'].rank()
グループ化したものを「更新日」でランク付け。

(ascendin=False)
降順にランク付け。つまり「更新日」が大きいものから順に「ランク=1」になる。

# ランク=1だけ抽出
df = df.query('ランク == 1')

上で加工したデータのうち「ランク=1」のみを抽出。
つまり、グループごとに「更新日」が最新のデータを取得できた。