如何在agg聚合中使用idxmax获取其他列的对应值

方法1：在agg中直接结合idxmax/idxmin提取日期 #

你可以通过自定义lambda函数，在agg操作里针对每个分组，用idxmax找到High最大值对应的原DataFrame索引，再提取对应的Date字段。同理处理Low最小值的日期，代码示例如下：

import pandas as pd

weekly = df.groupby(['Year', 'Qtr_Year'], as_index=False).agg(
    High=('High', 'max'),
    Date_High=('High', lambda x: df.loc[x.idxmax(), 'Date']),
    Low=('Low', 'min'),
    Date_Low=('Low', lambda x: df.loc[x.idxmin(), 'Date'])
)

方法2：用groupby.apply实现更直观的逻辑 #

如果觉得lambda写法不够清晰，可通过自定义函数处理每个分组，逻辑更直白：

def extract_extreme_dates(group):
    # 获取最大值对应的索引和日期
    high_max_idx = group['High'].idxmax()
    high_date = group.loc[high_max_idx, 'Date']
    # 获取最小值对应的索引和日期
    low_min_idx = group['Low'].idxmin()
    low_date = group.loc[low_min_idx, 'Date']
    
    return pd.Series({
        'Year': group['Year'].iloc[0],
        'Qtr_Year': group['Qtr_Year'].iloc[0],
        'High': group['High'].max(),
        'Date_High': high_date,
        'Low': group['Low'].min(),
        'Date_Low': low_date
    })

weekly = df.groupby(['Year', 'Qtr_Year']).apply(extract_extreme_dates).reset_index(drop=True)

关于你尝试的df.loc方法 #

这种思路完全可行，本质上方法1就是把df.loc结合idxmax/idxmin的逻辑封装到了agg的lambda函数中，只要注意分组后idxmax返回的是原DataFrame的全局索引，直接用df.loc就能正确匹配到对应行的日期。

内容的提问来源于stack exchange，提问作者Yogesh Kamboj