索引非唯一时，如何获取Pandas DataFrame各日期的最大分值行？

问题原因 #

当将Date设为DataFrame的非唯一索引后，groupby('Date')['Score'].idxmax()返回的是索引值（即日期时间戳），而非原始的行位置标签。由于同一日期对应多行数据，使用loc[idx]会匹配该日期下的所有行，导致结果不符合预期。

解决方案 #

方案1：用groupby(level)结合apply提取目标行

利用groupby(level='Date')按索引分组，通过apply在每个组内筛选出Score最高的行：

# Date已设为索引的情况下
result = all_data.groupby(level='Date').apply(lambda g: g.loc[g['Score'].idxmax()])
print(result)

输出结果：

Name  Score
Date                    
2022-01-01   John     92
2022-01-02   Mike     91
2022-01-03  Sally     96

方案2：排序后去重

先按Date升序、Score降序排序，再按Date去重保留每组第一行（即最高分的行）：

# 排序：日期升序，分数降序
sorted_data = all_data.sort_values(['Score'], ascending=False).sort_index(ascending=True)
# 按日期去重，保留第一个出现的行（即最高分）
result = sorted_data.reset_index().drop_duplicates(subset='Date').set_index('Date')
print(result)

方案3：用transform生成掩码筛选

通过transform计算每个日期组的最高分，再筛选出Score等于该值的行（若同一日期有多个相同最高分，会全部保留）：

# 计算每个日期组的最高分
max_score_per_date = all_data.groupby(level='Date')['Score'].transform('max')
# 筛选出分数等于组内最高分的行
result = all_data[all_data['Score'] == max_score_per_date]
print(result)

额外技巧：设置索引时保留原始行索引

如果需要保留原始的整数行索引，可以在设置索引时添加drop=False，这样Date既是索引也是列，后续仍可沿用最初的idxmax方法：

# 设置索引时保留Date列
all_data = all_data.set_index('Date', drop=False)
idx = all_data.groupby('Date')['Score'].idxmax()
result = all_data.loc[idx]
print(result)

内容的提问来源于stack exchange，提问作者frankd