如何用Pandas groupby获取各城市计数最多的人，字母序破平局

实现步骤： #

1. 统计城市-人员的出现频次
   先通过分组统计，得到每个城市下各人员的出现次数：

import pandas as pd

df = pd.DataFrame({
    'person': ['Mike', 'Mike', 'Mike', 'Bob', 'Bob', 'Bob', 'Susan', 'Cindy', 'Paul', 'Paul', 'Jon', 'Larry', 'Cindy', 'Larry', 'Larry', 'David', 'David', 'David', 'Eric', 'Cindy', 'Paul'],
    'city': ['New York', 'New York', 'New York', 'New York', 'New York', 'New York', 'New York', 'London', 'London', 'London', 'London', 'Sydney', 'Sydney', 'Sydney', 'Sydney', 'Sydney', 'Sydney', 'Sydney', 'Tokyo', 'Tokyo', 'Tokyo']
})

# 按城市、人员分组，统计出现次数
counts = df.groupby(['city', 'person']).size().reset_index(name='count')

2. 排序并筛选目标结果
   对每个城市内的记录，先按count降序（优先取频次高的），再按person升序（频次相同时取字母更靠前的），之后每个城市保留第一条记录：

# 多条件排序：城市升序，频次降序，姓名升序
sorted_counts = counts.sort_values(
    by=['city', 'count', 'person'],
    ascending=[True, False, True]
)

# 按城市分组取第一条，整理成目标格式
result = sorted_counts.groupby('city').first().reset_index()[['city', 'person']]

print(result)

执行后输出结果：

city  person
0      London    Paul
1    New York     Bob
2      Sydney    David
3       Tokyo    Cindy

补充：用idxmax的实现思路 #

如果想用idxmax，可以构造复合指标，把频次和字母序结合，确保频次相同的情况下字母靠前的指标值更高，再取每组最大值对应的行：

# 构造复合得分：频次权重放大，减去首字母ASCII值（字母越靠前，得分越高）
counts['score'] = counts['count'] * 1000 - counts['person'].str[0].apply(ord)

# 按城市分组取score最大的行，整理格式
result = counts.loc[counts.groupby('city')['score'].idxmax()][['city', 'person']].sort_values('city').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者equanimity