如何在Pandas DataFrame中实现分组后取字符串最大值

需求场景 #

需要实现与SQL语句select user_id,max(channel) from table_name group by user_id完全等价的功能：按user_id分组后，提取channel列的最大值，自动忽略空值和空字符串，最终得到非空的最大字符串结果。

测试数据构造 #

先还原你提供的输入数据（包含空值和空字符串）：

import pandas as pd

df = pd.DataFrame({
    'user_id': [123, 123, 123],
    'channel': ['online', pd.NA, '']
})

实现代码 #

直接通过groupby结合max()方法即可实现：

# 分组后取channel的最大值，重置索引恢复DataFrame结构
result = df.groupby('user_id')['channel'].max().reset_index()

输出结果 #

运行后得到的result如下：

user_id channel
0      123  online

原理说明 #

Pandas对字符串列执行max()时，会遵循以下逻辑：

• 按字符串的字典序进行大小比较（'online'的字典序大于空字符串''）
• 缺失值（pd.NA/np.nan）和空字符串会被自动排除在最大值计算外，行为与SQL的MAX()完全一致

内容的提问来源于stack exchange，提问作者Vaibhav Yadav