Python DataFrame：提取某字段最大值所对应的行

目录

解决思路：

1、我们先来定义一个DataFrame：

2、接下来，对df进行group by，并取最大值：

3、然后，我们利用第2步所得的最大值分组，与原表进行连接，提取最大值所在行：

Update list:

2022.11.07更新：对合并后的结果去重;

---

我们处理某些表格数据时，会遇到某个字段在不同类别中有不同的值，有时候需要提取某个类别中该字段最大值所对应的行，只用group by 往往不行。其实，使用group by 和 merge 相结合，即可轻松解决这个问题。

解决思路：

1、我们先来定义一个DataFrame：

在上图的df中，不同的name对应着num值、年份，现在想提取每一year的最大num所对应的name。

2、接下来，对df进行group by，并取最大值：

可以看到，通过group by，我们提取出了每一year所对应的最大num。注意：我们进行group by 时，选取了原df中的两列：'year'、'num'，这样做是排除name的干扰，groupby()函数中，需要指定分组依赖的列‘year’，并设定不将分组列作为索引；最后的max()是按最大值提取该分组的数据，当然其他函数如min()/mean()同样适用。

3、然后，我们利用第2步所得的最大值分组，与原表进行连接，提取最大值所在行：

可以看到，对df_groupby和原表df进行左连后，成功取出了每一year最大num对应的name！

源码如下：

import pandas as pd

data = {'year':[2016,2016,2017,2017,2017,2018,2018],
        'num':[2,5,4,7,8,90,78],
        'name':['a','b','c','d','e','f','g']}

df = pd.DataFrame(data)

df_groupby = df[['year','num']].groupby(by='year',as_index=False).max()

df_merge = pd.merge(df_groupby,df,on=['year','num'],how='left')

评论区有小伙伴提出数据存在重复时，在合并后的结果条数不对。其实这个只需要做一步去重即可，可以对最后的合并结果去重，也可以在一开始对原始的DataFrame去重 。下面给出存在重复记录的情况下，在合并步骤之后进行去重的示例：

首先，不去重的代码如下：

import pandas as pd

data = {'year': [2016, 2016, 2017, 2017, 2017, 2018, 2018],
        'num': [2, 2, 4, 7, 8, 90, 78],
        'name': ['a', 'a', 'c', 'd', 'e', 'f', 'g']}

df = pd.DataFrame(data)

df_groupby = df[['year', 'num']].groupby(by='year', as_index=False).max()

df_merge = pd.merge(df_groupby, df, on=['year', 'num'], how='left')

结果为：

   year  num name
0  2016    2    a
1  2016    2    a
2  2017    8    e
3  2018   90    f

在最后增加一个去重步骤：

result = df_merge.drop_duplicates()

最终结果为：

   year  num name
0  2016    2    a
2  2017    8    e
3  2018   90    f