如何在Pandas中计算第二大值并新增对应列？代码问题求助

我看你在尝试给每个Id分组计算c1的第二大值并新增列时遇到了几个问题，咱们来一步步修正你的代码，完美实现需求。

问题根源分析 #

你当前的代码用groupby.apply(lambda x:x.nlargest(2,features))会返回每个分组的前2行数据，再和原表合并时就会导致行数翻倍；而且多次reset_index()会生成多余的level_1、index列，这些都不是你需要的。正确的思路应该是先聚合出每个分组的第二大值，再将这个值映射回原表的每一行，而不是返回多行数据合并。

修正后的代码 #

import pandas as pd

# 假设all_data是你的原始DataFrame
# 第一步：计算每个Id对应的c1第二大值，处理分组长度不足2的情况（取唯一值）
second_largest = all_data.groupby('Id')['c1'].agg(
    lambda x: x.nlargest(2).iloc[-1]
).reset_index()
# 重命名列，方便后续合并
second_largest.columns = ['Id', 'c1_secondLargest']

# 第二步：将计算结果合并回原表
all_data = all_data.merge(second_largest, on='Id', how='left')

代码解释 #

• groupby('Id')['c1'].agg(lambda x: x.nlargest(2).iloc[-1])：对每个Id分组，取c1的前2大值，然后取最后一个（也就是第二大值）。如果分组只有1个元素，nlargest(2)会返回这个唯一元素，iloc[-1]也会取它自己，符合你示例中的情况（比如Id3的第二大值就是55）。
• 合并时用merge的left连接，保证原表的行数不变，每个行都能匹配到对应Id的第二大值。

验证输入输出 #

用你给出的输入示例测试：

输入：
id c1
1 3
1 34
1 75
2 84
2 54
2 23
2 96
3 55
3 76

运行代码后会得到你想要的输出：

id c1 c1_secondLargest
1 3 34
1 34 34
1 75 34
2 84 84
2 54 84
2 23 84
2 96 84
3 55 55
3 76 55

额外优化（可选） #

如果你的数据量很大（比如你提到的100万行），可以用更高效的方式替代lambda，避免性能问题：

# 用rank降序排列，然后取rank<=2的最小值（处理并列情况）
def get_second_largest(series):
    ranked = series.rank(method='max', ascending=False)
    return series[ranked <= 2].min()

second_largest = all_data.groupby('Id')['c1'].agg(get_second_largest).reset_index()
second_largest.columns = ['Id', 'c1_secondLargest']
all_data = all_data.merge(second_largest, on='Id', how='left')

这个方法在处理有重复最大值的情况时更稳健，比如如果某个分组的最大值出现多次，第二大值就是这个最大值本身（和你的示例逻辑一致）。

内容的提问来源于stack exchange，提问作者john doe