如何按多列+小时重采样分组，获取最大ProductionSpeed对应列值？

现有如下结构的DataFrame：

timestamp                    Format  MachineMode  \
0      2022-08-04 07:49:00+00:00    2000          3.0   
1      2022-08-04 07:50:00+00:00    2000          3.0   
2      2022-08-04 07:51:00+00:00    2000          3.0   
3      2022-08-04 07:52:00+00:00    2000          3.0   
4      2022-08-04 07:53:00+00:00    2000          3.0   
...                          ...     ...          ...   
59825  2022-12-07 06:43:00+00:00    2000          1.0   
59826  2022-12-07 06:44:00+00:00    2000          1.0   
59827  2022-12-07 06:45:00+00:00    2000          1.0   
59828  2022-12-07 06:49:00+00:00    2000          1.0   
59829  2022-12-07 06:50:00+00:00    2000          1.0   

                        RecipeName  ProductionSpeed  TankPressure  \
0                       2 LT Fanta       500.001283          4.72   
1                       2 LT Fanta       500.001650          4.71   
2                       2 LT Fanta       500.001333          4.72   
3                       2 LT Fanta       500.001350          4.71   
4                       2 LT Fanta       308.336100          5.37   
...                            ...              ...           ...   
59825  2 LT Coca Cola_23K Duo Pack       383.335217          4.80   
59826  2 LT Coca Cola_23K Duo Pack       383.335000          4.81   
59827  2 LT Coca Cola_23K Duo Pack       306.667767          4.82   
59828  2 LT Coca Cola_23K Duo Pack       364.168333          4.53   
59829  2 LT Coca Cola_23K Duo Pack       325.833783          4.76   

       CarouselPressure  
0                  0.98  
1                  0.98  
2                  0.98  
3                  0.98  
4                  0.96  
...                 ...  
59825              1.01  
59826              0.98  
59827              0.99  
59828              0.93  
59829              0.99  

需求：将数据按小时重采样，按Format、MachineMode、RecipeName分组，获取每个分组每小时的最大ProductionSpeed，并展示该速度对应的TankPressure与CarouselPressure值。

已尝试代码：

new_bg1=new_bg.groupby(['RecipeName','Format','MachineMode', pd.Grouper(freq='H')]).ProductionSpeed.agg(['max','idxmax']).reset_index()

问题：无法获取对应的TankPressure和CarouselPressure值。

你之前的代码仅针对ProductionSpeed列做聚合，因此无法关联到其他列的数据。以下两种方法可解决该问题：

方法1：通过索引匹配原数据行 #

先获取每个分组内最大ProductionSpeed对应的行索引，再从原DataFrame中提取完整行数据：

# 确保timestamp为datetime类型
new_bg['timestamp'] = pd.to_datetime(new_bg['timestamp'])

# 分组计算每个组内最大ProductionSpeed的行索引
grouped = new_bg.groupby(['RecipeName', 'Format', 'MachineMode', pd.Grouper(key='timestamp', freq='H')])
max_speed_idx = grouped['ProductionSpeed'].idxmax()

# 根据索引提取对应行，得到包含所有目标列的结果
result = new_bg.loc[max_speed_idx].reset_index(drop=True)

执行后result将包含每个分组每小时最大ProductionSpeed对应的所有列数据，包括TankPressure和CarouselPressure。

方法2：自定义聚合函数 #

如果需要更灵活的列控制，可以自定义聚合函数直接返回目标数据：

def extract_max_speed_data(group):
    # 获取组内ProductionSpeed最大的行
    max_row = group.loc[group['ProductionSpeed'].idxmax()]
    return pd.Series({
        'max_ProductionSpeed': max_row['ProductionSpeed'],
        'TankPressure': max_row['TankPressure'],
        'CarouselPressure': max_row['CarouselPressure']
    })

# 分组应用自定义函数
result = grouped.apply(extract_max_speed_data).reset_index()

该方法可直接指定输出列名和保留字段，结果结构更清晰。

注意：若同一分组小时内存在多个行的ProductionSpeed等于最大值，idxmax会返回第一个出现的行索引。若需处理这种场景，可根据需求调整逻辑（如提取所有最大值行）。

内容的提问来源于stack exchange，提问作者Jahrakal