如何在Pandas中对多级索引按第1级分组并在另一级别执行排名操作？

嘿，我来帮你拆解这个问题～首先先明确你的核心需求：按name分组，对time执行排名并取排名第1的行，而且希望通过索引层面操作提升效率，尤其是超大规模数据集重复执行的场景。

先回顾你原来的操作逻辑 #

你最初把name设为索引后，执行：

df = df[df.groupby(df.index)['time'].rank() == 1]

这里的分组依据是name（单索引），对每个name组内的time做升序排名（默认rank()是升序，所以rank=1对应组内最小的time）。用你的示例数据，结果会是：

• tom组取time=10的行
• nick组取time=15的行
• juli组取time=14的行

当设置name+time为多重索引后的变化 #

当你执行df.set_index(["name","time"],inplace = True)后，DataFrame的索引变成了两层的多重索引（MultiIndex）：第一层是name，第二层是time。这时候如果直接沿用原来的代码：

df[df.groupby(df.index)['time'].rank() == 1]

结果会和预期大相径庭——因为df.index现在是(name, time)的唯一元组，每个分组只会包含一行数据，所以每行的rank都会是1，最终会返回所有5行数据，这显然不是你想要的结果。

多重索引下的正确操作方式 #

如果想保留多重索引，同时实现按name分组对time排名的需求，你需要指定按多重索引的**第一层（name）**来分组，而不是整个索引：

# 设置多重索引
df.set_index(["name","time"], inplace=True)
# 按索引的第0层（name）分组，对time列计算排名
rank_results = df.groupby(level=0)['time'].rank()
# 筛选排名为1的行
final_df = df[rank_results == 1]

这样得到的结果和你最初的单索引操作完全一致，同时依然利用了索引的高效特性——因为name作为索引的第一层，Pandas可以快速定位分组，比普通列分组的效率更高，尤其适合超大规模数据集重复执行的场景。

为什么索引层面操作效率更高？ #

对于超大规模数据库，将分组/排序常用的列设为索引后，Pandas会利用索引的结构化存储（比如哈希表、预排序结构）来加速分组、排名等操作，避免每次操作都重新扫描整个列数据。重复执行流程时，索引的优势会更明显，能大幅节省计算时间。

内容的提问来源于stack exchange，提问作者Nirali Khoda