Pandas分组后如何返回每组指定列最大值对应的完整行DataFrame

问题原因 #

你当前的写法无法返回完整字段，核心存在两个问题：

1. 调用方式错误：pd.groupby()是非法调用，groupby是pandas DataFrame/Series的实例方法，需要通过你的DataFrame对象（示例中假设命名为df）调用，即df.groupby()。
2. 聚合逻辑错误：
   • df.groupby(["Company"])["MPG"].max() 仅对MPG列做最大值聚合，返回的是「分组-最大MPG值」的映射Series，不会携带Model、Year等其他字段。
   • 就算修正调用方式后写df.groupby(["Company"]).max()，也是对所有列独立取最大值，会出现不同行的字段拼接错位，比如可能拿到A组最大的Year、最大的Displ拼在一起，不是MPG最大的那条原始记录。

示例数据截图

可直接运行的正确代码 #

方案1：idxmax索引定位（全版本兼容，无错位风险） #

通过idxmax()拿到每个分组MPG最大值对应的原始行索引，直接从原表取行，结果100%准确：

import pandas as pd

# 定位每个公司分组下MPG最高的行索引
max_mpg_rows = df.groupby("Company")["MPG"].idxmax()
# 提取完整行，重置索引
result = df.loc[max_mpg_rows].reset_index(drop=True)

方案2：排序后取分组首行（写法简洁） #

先把全表按MPG降序排列，每个分组保留第一条记录，就是MPG最高的行：

result = df.sort_values("MPG", ascending=False).groupby("Company", as_index=False).head(1)

运行结果 #

两种方案输出完全匹配预期：

Company Model  Year   Trans  Displ   MPG
0       A    A2  2020    Auto    2.0  67.3
1       B    B4  2021  Manual    1.5  83.1

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