分组计算数值列众数遇平局时，如何获取最大值？

首先注意你的value列是字符串类型且包含NaN，先统一转为数值类型更便于后续计算：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'client_id':['A', 'A', 'A', 'A', 'B', 'B', 'B', 'C'],
    'date':['2019-01-01']*8,
    'value':['2', '2', '1', '1', '3', '3', '1', np.NaN]
})

# 转换value列为数值类型
df['value'] = pd.to_numeric(df['value'])

接下来自定义聚合函数，处理众数平局的场景：当存在多个众数时取最大值，同时处理全为NaN的分组：

def mode_max(x):
    modes = x.mode()
    # 众数为空则返回NaN，否则返回最大的众数
    return modes.max() if not modes.empty else np.nan

最后用GroupBy调用这个自定义函数：

result = df.groupby(['client_id', 'date']).agg({'value': mode_max}).reset_index()
print(result)

最终输出 #

这样就实现了平局时取最大众数的需求，同时正确处理了全NaN的分组。

内容的提问来源于stack exchange，提问作者Sky_7