Pandas按date分组获取对应最高price的store值实现方法

先给出初始数据的代码：

import pandas as pd

data = {'date':['2022-10-01', '2022-10-01', '2022-10-02', '2022-10-02', '2022-10-02'],
'price': [10, 20, 30, 40, 50],
'store': ['A', 'B', 'A', 'C', 'B']
}
df = pd.DataFrame(data)

给你几种靠谱的实现方式：

方法一：通过索引定位最大值行 #

先分组获取每组price最大值对应的行索引，再用索引筛选出目标行：

# 获取每组price最大值的行索引
max_row_indices = df.groupby('date')['price'].idxmax()
# 根据索引提取结果并重置索引
result = df.loc[max_row_indices].reset_index(drop=True)
print(result)

输出结果：

date  price store
0  2022-10-01     20     B
1  2022-10-02     50     B

方法二：排序后去重 #

先按date升序、price降序排序，然后保留每组的第一行即可：

result = df.sort_values(by=['date', 'price'], ascending=[True, False]) \
          .drop_duplicates(subset='date') \
          .reset_index(drop=True)

方法三：用transform标记最大值行 #

通过transform给每行标记是否为该组的price最大值，再筛选标记为True的行：

# 添加辅助列标记是否为组内price最大值
df['is_price_max'] = df.groupby('date')['price'].transform(lambda x: x == x.max())
# 筛选目标行并移除辅助列
result = df[df['is_price_max']].drop(columns='is_price_max').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Lopez