Pandas多条件分组：按Article取最大Launch后取最小Sequence及对应Machine
2026-7-28
问题描述
原始DataFrame结构
Launch Article Sequence Machine Quantity Date … 68033 F2500 10 lathe 1 200 01/02/2022 … 68033 F2500 20 lathe 1 190 01/02/2022 … 68033 F2500 30 borer 3 175 02/02/2022 … 68033 F2500 40 milling 1 175 03/03/2022 … 71562 F2500 10 lathe 3 632 12/12/2022 … 71562 F2500 20 lathe 4 593 15/12/2022 … 71562 F2500 30 borer 3 560 16/12/2022 … 71562 F2500 40 milling 2 555 16/12/2022 … 69872 F302 10 lathe 2 5463 04/06/2022 … 69872 F302 30 lathe 3 5102 11/06/2022 … 70444 F302 20 lathe 1 3125 27/07/2022 … 70444 F302 30 lathe 3 2965 31/07/2022 … … … … … … … … 124.531 rows x 12 columns
需求
按Article分组，完成两步筛选：
- 选取每个
Article对应的最大Launch值 - 在该
Launch对应的所有记录中，选取最小的Sequence值及其对应的Machine
期望结果：
Article Launch Sequence Machine F2500 71562 10 lathe 3 F302 70444 20 lathe 1 … … … …
尝试的错误方法
使用groupby+agg直接聚合，代码如下：
Last_Lathe_df = Last_Lathe_df.groupby(['Article'], as_index=False).agg({'Launch': 'max', 'Sequence': 'min', 'Machine': 'first'})
该方法错误原因：agg会对每个列单独执行聚合逻辑，Sequence: 'min'取的是整个Article分组内的全局最小值，而非对应最大Launch记录中的最小值，导致结果不符合需求。
解决方案
方法一：分步筛选（逻辑清晰）
- 先获取每个
Article的最大Launch值 - 筛选出原DataFrame中符合该
Launch的所有记录 - 在筛选后的记录中，找到每个
Article下Sequence最小的行
代码示例：
# 1. 获取每个Article的最大Launch max_launch = Last_Lathe_df.groupby('Article')['Launch'].max().reset_index() # 2. 筛选出所有属于最大Launch的记录 filtered = Last_Lathe_df.merge(max_launch, on=['Article', 'Launch']) # 3. 按Article和Sequence排序，去重保留最小Sequence的行 result = filtered.sort_values(by=['Article', 'Sequence'], ascending=[True, True])\ .drop_duplicates(subset='Article', keep='first')\ [['Article', 'Launch', 'Sequence', 'Machine']]
方法二：排序+去重（简洁高效）
通过排序让目标行排在每个Article分组的最前面，再去重保留第一行：
- 按
Article升序排序（保证同组在一起） - 按
Launch降序排序（最大的Launch排在同组最前） - 按
Sequence升序排序（同Launch下最小的Sequence排在最前）
代码示例：
# 按指定规则排序 sorted_df = Last_Lathe_df.sort_values( by=['Article', 'Launch', 'Sequence'], ascending=[True, False, True] ) # 按Article去重，保留第一个行（即目标行） result = sorted_df.drop_duplicates(subset='Article', keep='first')\ [['Article', 'Launch', 'Sequence', 'Machine']]
内容的提问来源于stack exchange，提问作者Piazza
相关产品推荐
相关产品推荐
