Pandas按多列分组求最高总价：查找2022年2月总价最高客户

你的现有代码仅完成了分组求和的基础环节，要得到目标结果还需补充数据类型转换、日期过滤、最大值筛选等关键步骤，具体优化如下：

1. 修复Price列的数据类型 #

原始数据中Price是带逗号的字符串，直接求和会导致计算错误，需先转换为数值类型：

df['Price'] = df['Price'].str.replace(',', '').astype(float)

2. 过滤目标日期的记录 #

只保留date为2/1/2022的数据，排除无关日期的条目：

filtered_df = df[df['date'] == '2/1/2022']

3. 分组求和并保留box信息 #

由于每个客户对应固定的box类型，分组时将client、box、date作为联合分组键，确保结果中保留box列：

sum_df = filtered_df.groupby(['client', 'box', 'date'])['Price'].sum().reset_index()

4. 筛选总价最高的客户 #

定位Price列最大值对应的行，得到最终结果：

result = sum_df[sum_df['Price'] == sum_df['Price'].max()]

5. 可选：还原Price的逗号格式 #

如果需要和期望结果一致，将数值格式的Price重新转为带逗号的字符串：

result['Price'] = result['Price'].apply(lambda x: f"{int(x):,}")

完整优化代码 #

# 预处理Price列
df['Price'] = df['Price'].str.replace(',', '').astype(float)

# 过滤目标日期数据
filtered_df = df[df['date'] == '2/1/2022']

# 分组求和并保留相关字段
sum_df = filtered_df.groupby(['client', 'box', 'date'])['Price'].sum().reset_index()

# 筛选总价最高的记录
result = sum_df[sum_df['Price'] == sum_df['Price'].max()]

# 格式化Price为带逗号的字符串（可选）
result['Price'] = result['Price'].apply(lambda x: f"{int(x):,}")

print(result)

执行后输出结果：

client box    Price      date
1    cara  BB  30,270  2/1/2022

内容的提问来源于stack exchange，提问作者Lynn