Python：按日期和箱号分组，求stage列confidential值的最大计数

1. 先统计每个箱号+日期的'confidential'出现次数 #

你当前的agg({'stage': 'size'})统计的是该组合下的总行数，不是stage为'confidential'的次数，得先修正这一步：

方法A：先过滤再分组 #

# 先筛选出stage为confidential的行，再按箱号和日期分组统计数量
conf_count = df[df['stage'] == 'confidential'].groupby(['box', 'date']).agg(confidential_count=('stage', 'size')).reset_index()

方法B：在agg中直接计算特定值的次数 #

# 不用提前过滤，通过lambda函数统计每组内stage等于confidential的行数
conf_count = df.groupby(['box', 'date']).agg(confidential_count=('stage', lambda x: (x == 'confidential').sum())).reset_index()

2. 提取每个日期的最大次数及对应箱号 #

接下来按日期找出confidential_count的最大值，匹配对应的箱号，两种常用方法：

方法1：用窗口函数排名 #

import pandas as pd

# 给每个日期内的统计值降序排名，第一个出现的最大值排第1
conf_count['rank'] = conf_count.groupby('date')['confidential_count'].rank(ascending=False, method='first')

# 筛选排名为1的记录，就是当日最大值对应的箱号
result = conf_count[conf_count['rank'] == 1].drop('rank', axis=1)

如果同一日期有多个箱号达到最大值（比如两个箱号都出现3次），这种方法会保留所有符合条件的记录。

方法2：分组找最大值后合并 #

# 先按日期分组，找出每个日期的最大confidential_count
date_max = conf_count.groupby('date')['confidential_count'].max().reset_index(name='max_count')

# 合并原统计结果和最大值表，筛选出等于最大值的记录
result = pd.merge(conf_count, date_max, on='date')
result = result[result['confidential_count'] == result['max_count']].drop('max_count', axis=1)

示例验证 #

假设你的示例数据是：

运行代码后，result会输出：

内容的提问来源于stack exchange，提问作者Lynn