用Pandas分组筛选后为何无法获取每组指定列的最大值？

错误原因 #

你之前的操作中，df.groupby(['team']).apply(lambda g: g[g['another_variable'] == 1])返回的是一个多层索引的DataFrame，此时直接调用.variable.min()是对整个variable列取最小值，而非按每个team分组计算，所以只会得到一个单一值。

正确实现方式 #

方法1：在apply内部完成分组计算 #

直接在lambda函数里对每个分组筛选后取variable的最大值，这样apply会返回每个组对应的结果，最终得到一个以team为索引的Series：

result = df.groupby('team').apply(lambda g: g[g['another_variable'] == 1]['variable'].max())
print(result)
# 输出：
# team
# A    10
# B     3
# dtype: int64

方法2：先筛选再分组（更高效） #

先过滤出another_variable == 1的行，再按team分组取variable的最大值，这种方式比apply更高效，尤其是处理大数据集时：

result = df[df['another_variable'] == 1].groupby('team')['variable'].max()
print(result)
# 输出同上

方法3：使用agg结合条件 #

通过groupby.agg方法，指定条件计算逻辑，同样能得到每个组的目标值：

result = df.groupby('team').agg(
    max_var=('variable', lambda x: x[df.loc[x.index, 'another_variable'] == 1].max())
)
print(result)
# 输出：
#       max_var
# team         
# A          10
# B           3

如果之后需要计算这些最大值的整体最大值，直接对结果调用.max()即可：

overall_max = result.max()
print(overall_max)  # 输出10

内容的提问来源于stack exchange，提问作者Maxim Moloshenko