如何用Pandas.groupby按指定列分组，获取对应最大值的目标列数据

明确：完全可以通过Pandas的groupby方法实现需求，以下是两种实用方案：

先构造示例DataFrame（方便复现测试） #

import pandas as pd

data = [
    ["AR", "Aisles", "ex_1", 12.78],
    ["AR", "Aisles", "ex_2", 11.28],
    ["AR", "Aisles", "ex_3", 11.96],
    ["AR", "Favorites", "ex_1", 12.78],
    ["AR", "Favorites", "ex_2", 12.28],
    ["AR", "Favorites", "ex_3", 13.96],
    ["BR", "Favorites", "ex_1", 11.2],
    ["BR", "Favorites", "ex_2", 10.28],
    ["BR", "Favorites", "ex_3", 10.96],
]

df = pd.DataFrame(data, columns=["COUNTRY_CODE", "PDP_SOURCE", "TREAT_SLIT", "ATC_METRIC"])

方案1：groupby + idxmax（高效优先） #

通过idxmax获取每组中ATC_METRIC最大值对应的行索引，再提取原表对应行：

# 获取每组最大值的行索引
max_row_indices = df.groupby(["COUNTRY_CODE", "PDP_SOURCE"])["ATC_METRIC"].idxmax()
# 提取目标行并重置索引
result_df = df.loc[max_row_indices].reset_index(drop=True)

执行后得到的结果完全符合预期：

方案2：groupby + apply（支持多最大值场景） #

如果组内存在多个相同的ATC_METRIC最大值，这种方法会保留所有对应行：

result_df = df.groupby(["COUNTRY_CODE", "PDP_SOURCE"], group_keys=False).apply(
    lambda group: group[group["ATC_METRIC"] == group["ATC_METRIC"].max()]
).reset_index(drop=True)

两种方案按需选择即可，单最大值场景下idxmax的执行效率更高。

内容的提问来源于stack exchange，提问作者Juan Jose Vargas Estevez