如何用Pandas的groupby和max函数生成虚拟变量

你的Python代码逻辑顺序错误，导致了AttributeError：你先计算了整个v2x_regime列的最大值，用np.where生成numpy数组后再尝试调用groupby，但numpy数组本身没有groupby方法，而且核心逻辑应该是先按年份分组计算每组的最大值，再和原数据逐行比较。

对应你R代码的Pandas实现，最贴合的写法是用groupby.transform，它能把分组计算的结果广播回原数据的每一行，和R中group_by后mutate的逻辑一致：

import pandas as pd
import numpy as np

# 直接在原DataFrame添加目标列
merged_data['biggest_democ'] = np.where(
    merged_data['v2x_regime'] == merged_data.groupby('year')['v2x_regime'].transform('max'),
    1,
    0
)

如果你习惯用assign方法（类似R中的mutate链式调用），也可以写成：

merged_data = merged_data.assign(
    biggest_democ = np.where(
        merged_data['v2x_regime'] == merged_data.groupby('year')['v2x_regime'].transform('max'),
        1,
        0
    )
)

关键逻辑说明 #

• merged_data.groupby('year')['v2x_regime'].transform('max')：对每个year分组，计算该组内v2x_regime的最大值，返回一个和原数据行数相同的Series，每行对应所在年份的最大值。
• np.where(条件, 1, 0)：逐行判断原v2x_regime值是否等于对应年份的最大值，满足则设为1，否则设为0。

内容的提问来源于stack exchange，提问作者Brian Lookabaugh