Pandas分组后保留组内DisID最大值行的实现及报错修复

触发TypeError: bad operand type for unary ~: 'str'的直接原因是代码逻辑写错：

• 变量s是drop_duplicates()返回的DataFrame对象，不是布尔型的掩码数组。你写~s是尝试对整个DataFrame做按位取反操作，pandas会将这个操作广播到每一列的元素上，而表中存在字符串类型的列值，Python不支持对字符串做~取反运算，直接抛出类型错误。
• 除此之外原代码还有两处逻辑偏差：
  • 按DisseminationID（即示例中的DisID）升序排序后去重，默认保留第一条数据，拿到的是每组DisID最小的行，和你要保留组内DisID最大值行的需求相反。
  • 取反删行的索引逻辑完全混乱，即使不报错也得不到正确结果。

提供两种可直接运行的实现，都能满足需求：

方案1：排序+去重（逻辑直观、性能最优） #

核心思路是先把DisID按降序排列，让每组DisID最大的行排在组内最前面，再按GroupID去重保留首行即可，不需要额外的索引取反、删行操作：

# 原有打分组标记的逻辑保持不变，注意列名和实际字段匹配
docsDF['GroupID'] = docsDF.groupby(['ExecutionTimestamp','Notional','Trade_type']).ngroup()

# 按DisID降序排序，同组最大值排最前，按GroupID去重保留首行
result = docsDF.sort_values("DisseminationID", ascending=False).drop_duplicates(subset=['GroupID'], keep='first')

方案2：分组取极值索引（语义最贴合需求） #

直接通过groupby取每组DisID最大值对应的行索引，再按索引提取数据即可：

# 原有打分组标记逻辑不变
docsDF['GroupID'] = docsDF.groupby(['ExecutionTimestamp','Notional','Trade_type']).ngroup()

# 提取每个GroupID下DisID最大的行索引
max_idx = docsDF.groupby('GroupID')['DisseminationID'].idxmax()
# 按索引取值得到结果
result = docsDF.loc[max_idx]

注意：如果DisID列存在空值，排序时可添加na_position='last'参数将空值排到末尾，避免取到空值行；idxmax方法默认会自动跳过空值。

用提供的示例数据测试，两种方案返回的结果完全符合预期：

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