Pandas按条件最大值填充列：标记每个ID首个已批准最大值行

原始DataFrame数据：

id, time, value, approved
0,  0:00, 10,    false
1,  0:01, 20,    false
1,  0:02, 50,    false
1,  0:03, 20,    true
1,  0:04, 40,    true
1,  0:05, 40,    true
1,  0:06, 20,    false
2,  0:07, 35,    false
2,  0:08, 35,    false
2,  0:09, 50,    true
2,  0:10, 50,    true

需求：新增is_max列，每个ID下首个满足approved为true的最大值行标记为true，其余为false，最终结果如下：

id, time, value, approved, is_max
0,  0:00, 10,    false,    false
1,  0:01, 20,    false,    false
1,  0:02, 50,    false,    false
1,  0:03, 20,    true,     false
1,  0:04, 40,    true,     true
1,  0:05, 40,    true,     false
1,  0:06, 20,    false,    false
2,  0:07, 35,    false,    false
2,  0:08, 35,    false,    false
2,  0:09, 50,    true,     true
2,  0:10, 50,    true,     false

你尝试的代码：

df['is_max'] = df['value'] == df.groupby(['id', df['approved']])['value'].transform('max').where(df['approved'])

问题：这段代码会把每个ID下所有符合approved=true的最大值行都标记为true，不符合只标记首个的要求。

方法一：分步实现 #

1. 计算每个ID下approved=true的value最大值
   筛选出approved=true的行，按id分组取value的最大值，得到每个ID对应的目标最大值。
2. 定位每个ID下第一个符合条件的行
   对每个ID，筛选出approved=true且value等于对应最大值的行，取其中第一行的索引。
3. 初始化并设置is_max列
   先将is_max列全部设为false，再把第二步找到的索引对应的行设为true。

完整代码：

import pandas as pd

# 加载数据（替换为你的数据路径或读取方式）
df = pd.read_csv('https://pastebin.com/raw/Hqk9YjuR')

# 步骤1：计算每个ID下approved=true的value最大值
max_values = df[df['approved'] == True].groupby('id')['value'].max()

# 步骤2：收集每个ID下首个符合条件的行索引
target_indices = []
for id_val in max_values.index:
    subset = df[(df['id'] == id_val) & (df['approved'] == True) & (df['value'] == max_values[id_val])]
    if not subset.empty:
        target_indices.append(subset.index[0])

# 步骤3：设置is_max列
df['is_max'] = False
df.loc[target_indices, 'is_max'] = True

# 查看结果
print(df)

方法二：链式操作简化版 #

用更简洁的链式代码实现相同逻辑：

import pandas as pd

df = pd.read_csv('https://pastebin.com/raw/Hqk9YjuR')

# 生成初始mask：标记所有approved=true且value为对应ID最大值的行
mask = df['approved'] & (df['value'] == df.groupby('id')['value'].transform(lambda x: x[df['approved']].max()))
# 对每个ID只保留第一个符合mask的行，其余设为False
df['is_max'] = mask.groupby(df['id']).cummax().eq(1) & mask

print(df)

逻辑说明：

• 先通过mask筛选出所有潜在符合条件的行
• 用cummax()对每个ID的mask行做累积最大值，再用eq(1)锁定第一个True的位置，最后和mask取交集，确保仅首个符合条件的行被标记为True

内容的提问来源于stack exchange，提问作者mwind