如何修改Pandas代码实现每日提取第33列的Top3最大值？

你当前代码存在两个核心问题：

1. 变量名不统一：第一行读入数据赋值给df_，但后续操作调用的是df，会触发NameError；
2. agg方法无法直接使用np.head(3)：一是numpy没有head方法，二是agg要求传入聚合函数（如max、sum这类输出单个值的函数），而head是取行操作，不属于聚合逻辑。

以下是两种可行的解决方案：

方法一：保留全列数据，提取每组Top3 #

适合需要保留原数据其他列的场景，通过groupby.apply对每组按目标列降序排序后取前3行：

import pandas as pd
import numpy as np

# 统一变量名，避免报错
df = pd.read_excel(r'file_location.xlsx')
df['Date'] = pd.to_datetime(df['Date'], errors='coerce')

# 定义目标列（第33列）
target_col = df.columns[33]

# 按日期分组，每组按目标列降序排序后取前3行
df_new = df.groupby(pd.Grouper(key="Date", freq="D")).apply(
    lambda x: x.sort_values(by=target_col, ascending=False).head(3)
).reset_index(drop=True)

方法二：仅提取日期与目标列Top3值（更简洁高效） #

如果只需要日期和目标列的Top3数据，使用groupby.nlargest直接提取：

import pandas as pd
import numpy as np

df = pd.read_excel(r'file_location.xlsx')
df['Date'] = pd.to_datetime(df['Date'], errors='coerce')

target_col = df.columns[33]

# 按日期分组，提取每组目标列最大的3个值
df_new = df.groupby(pd.Grouper(key="Date", freq="D"))[target_col].nlargest(3).reset_index()

内容的提问来源于stack exchange，提问作者PJL