Python处理分组DataFrame：提取各州各年大选获胜党派数据

核心结论 #

完全不需要用嵌套循环，Pandas提供了两种更简洁、高效的方法直接提取每个year/state组合的获胜党派整行数据，避免循环带来的性能问题和逻辑错误。

前提准备（若未完成组内排序） #

先确保数据集按「年份→州→得票数降序」排序，保证每个州当年得票最高的党派排在组内第一：

df_sorted = df.sort_values(by=['year', 'state', 'candidatevotes'], ascending=[True, True, False])

方法一：groupby + first() #

通过分组后直接提取每组的第一行，自动保留整行所有字段：

df2 = df_sorted.groupby(['year', 'state'], as_index=False).first()

• as_index=False：让year和state作为普通数据列，而非索引，最终得到306行的目标数据集。

方法二：drop_duplicates（更高效） #

利用已排序的特性，直接保留每个year/state组合的第一行记录：

df2 = df_sorted.drop_duplicates(subset=['year', 'state'], keep='first')

• 此方法无需分组操作，是性能最优的方案，尤其适合大数据集。

关于你之前的尝试 #

• 你写的df.groupby(by = ['year', 'state'])['candidatevotes'].max()仅能获取最大得票数值，无法关联到对应的党派等其他字段，因此无法直接生成目标数据集。
• 嵌套循环极易因逻辑疏漏（如重复遍历、错误的条件判断）导致行数异常，且运行效率远低于Pandas内置的向量化操作，完全不推荐使用。

内容的提问来源于stack exchange，提问作者Austin Gregory