Pandas按age分组取net_worth最大值并保留对应name列的方法

下面提供几种可行的方法，帮你在按age分组后，同时保留每组最高net_worth对应的name：

方法一：使用idxmax() + loc提取目标行 #

通过idxmax()找到每个年龄组中净资产最高的行索引，再用loc提取对应数据，直接保留所需列：

# 获取每个年龄组净资产最高的行的索引
max_worth_indices = df.groupby('age')['net_worth'].idxmax()
# 根据索引提取包含age、name、net_worth的目标数据
result_df = df.loc[max_worth_indices, ['age', 'name', 'net_worth']]
# 可选：重置索引让结果更整洁
result_df = result_df.reset_index(drop=True)

方法二：用transform()标记并筛选 #

先给原数据添加一列，标记当前年龄组的净资产最大值，再筛选出符合条件的行：

# 为每行标记所属年龄组的净资产最大值
df['group_max_net_worth'] = df.groupby('age')['net_worth'].transform('max')
# 筛选出净资产等于组内最大值的行，保留需要的列
result_df = df[df['net_worth'] == df['group_max_net_worth']][['age', 'name', 'net_worth']]
# 可选：重置索引
result_df = result_df.reset_index(drop=True)

方法三：通过groupby().apply()自定义处理 #

对每个年龄组应用自定义函数，直接返回组内净资产最高的行：

def extract_max_worth_row(group):
    # 返回组内净资产最大的行
    return group[group['net_worth'] == group['net_worth'].max()]

# 应用函数并整理结果
result_df = df.groupby('age').apply(extract_max_worth_row).reset_index(drop=True)

注意事项 #

如果同一个年龄组存在多位富豪净资产相同且均为组内最大值，上述方法会保留所有符合条件的行。若仅需每组一行，可在方法一的结果上使用drop_duplicates(subset='age')去重。

内容的提问来源于stack exchange，提问作者RomTurino