如何修改MultiIndex DataFrame：保留分组最大Rank值其余设为NaN

我有如下DataFrame A：

通过df.groupby('I1').max()得到每个I1对应的Rank最大值：

需要修改原DataFrame，仅保留每个I1分组中Rank等于最大值的行的Rank值，其余行设为NaN，期望输出如下：

解决方案 #

方法一：使用groupby.transform快速实现 #

无需额外合并操作，直接通过transform生成每组的最大值序列，再做条件判断：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'I1': [1, 1, 2, 2, 2],
    'I2': ['a', 'b', 'a', 'b', 'c'],
    'Rank': [1, 2, 1, 2, 3]
})

# 替换Rank值：仅保留分组内等于最大值的行，其余设为NaN
df['Rank'] = df['Rank'].where(df['Rank'] == df.groupby('I1')['Rank'].transform('max'), pd.NA)

print(df)

运行后输出：

I1 I2  Rank
0   1  a  <NA>
1   1  b     2
2   2  a  <NA>
3   2  b  <NA>
4   2  c     3

方法二：先分组取最大值再合并（更直观） #

如果需要清晰的步骤，可以先获取分组最大值，合并后再做判断：

import pandas as pd

df = pd.DataFrame({
    'I1': [1, 1, 2, 2, 2],
    'I2': ['a', 'b', 'a', 'b', 'c'],
    'Rank': [1, 2, 1, 2, 3]
})

# 1. 获取每个I1的Rank最大值，重置索引以便合并
max_rank = df.groupby('I1')['Rank'].max().reset_index()

# 2. 将最大值合并到原DataFrame
df = df.merge(max_rank, on='I1', suffixes=('', '_max'))

# 3. 替换Rank值，清理临时列
df['Rank'] = df['Rank'].where(df['Rank'] == df['Rank_max'], pd.NA)
df = df.drop('Rank_max', axis=1)

print(df)

输出结果和方法一一致。

内容的提问来源于stack exchange，提问作者PrinceZard