如何在DataFrame索引值变更前获取对应分组的最大值？

现有代码的问题 #

你的代码逻辑存在核心错误：

• df['column_b'][i]是单个标量值，调用.max()只会返回它本身，根本不是分组最大值；
• 循环里的if df['index_a'][i] == 0条件没有任何分组判断的意义，完全无法区分不同的index_a组；
• 循环遍历iloc[:-1]还会漏掉最后一行数据。

正确实现方案 #

不需要用低效的循环，利用pandas的分组和位移判断可以高效实现需求：

1. 计算每个index_a组对应的column_b最大值，并映射到该组的每一行；
2. 判断每行是否是当前组的最后一行（通过对比当前行与下一行的index_a值）；
3. 仅在每组的最后一行将最大值写入all_max列，其余行留空（或设为NaN）。

代码示例 #

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'index_a': [0, 0, 0, 1, 1, 2],
    'column_b': [5, 8, 3, 2, 7, 4]
})

# 步骤1：计算每组的column_b最大值，映射到每行
df['group_max'] = df.groupby('index_a')['column_b'].transform('max')

# 步骤2：判断是否为每组最后一行
is_last_in_group = df['index_a'] != df['index_a'].shift(-1)

# 步骤3：初始化all_max并赋值
df['all_max'] = float('nan')
df.loc[is_last_in_group, 'all_max'] = df.loc[is_last_in_group, 'group_max']

# 可选：删除临时辅助列
df = df.drop('group_max', axis=1)

print(df)

运行结果 #

内容的提问来源于stack exchange，提问作者Nazmi Husaini