如何在Python Pandas中按分组取最高分数对应职位并新增列？

你可以通过Pandas的分组操作实现这个需求，以下是两种简洁的实现方式：

方法一：使用groupby + idxmax + map #

先定位每个分组中最高分对应的Job type，再映射到原DataFrame的每一行：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'person': ['person 1', 'person 1', 'person 2', 'person 2', 'person 2'],
    'score': [6.5, 4.3, 1.2, 3.4, 4.3],
    'Job type': ['job 1', 'job 2', 'job 1', 'job 2', 'job 3']
})

# 获取每个person对应的最高分Job type
highest_job_map = df.loc[
    df.groupby('person')['score'].idxmax(), 
    ['person', 'Job type']
].set_index('person')['Job type']

# 新增目标列
df['Highest score'] = df['person'].map(highest_job_map)

说明 #

• df.groupby('person')['score'].idxmax() 返回每个person分组中，score值最大的行索引
• 通过loc提取这些行的person和Job type，转换为以person为索引的Series，方便后续映射
• 最后用map将每个person对应的最高Job type匹配到原DataFrame的所有行

方法二：使用sort_values + groupby.transform #

先按分数降序排序，再取每个分组的第一个Job type并广播到组内所有行：

import pandas as pd

df = pd.DataFrame({
    'person': ['person 1', 'person 1', 'person 2', 'person 2', 'person 2'],
    'score': [6.5, 4.3, 1.2, 3.4, 4.3],
    'Job type': ['job 1', 'job 2', 'job 1', 'job 2', 'job 3']
})

# 按分数降序排序，分组后取每组第一个Job type并广播
df['Highest score'] = df.sort_values('score', ascending=False)\
                        .groupby('person')['Job type']\
                        .transform('first')

说明 #

• sort_values('score', ascending=False) 把每个person的行按分数从高到低排序
• groupby('person')['Job type'].transform('first') 将每个分组的第一个Job type（即最高分对应的）填充到该组的所有行中

最终结果 #

两种方法都会得到你期望的输出：

注：如果同一个person存在多个相同的最高分，上述方法会取最先出现的那个Job type；若需处理这种情况，可以根据需求调整逻辑（比如取所有符合条件的Job type用逗号分隔）

内容的提问来源于stack exchange，提问作者Helene Hjort