Python pandas按列唯一值分组筛选最大值对应行的方法

你要的分组后保留数值列最大值所在完整行的需求，用pandas可以通过以下两种常用方法实现，运行结果完全匹配你给出的预期输出。

示例数据构造 #

先复现你给出的测试数据：

import pandas as pd

df = pd.DataFrame({
    'week': [1, 2, 3, 4, 5, 6],
    'category': ['Eng', 'Eng', 'Non-Eng', 'Non-Eng', 'Eng', 'Eng'],
    'title': ['aaa', 'aaa', 'bbb', 'bbb', 'ccc', 'ccc'],
    'hours_viewed': [100, 95, 105, 100, 80, 115]
})

方法1：groupby + idxmax（推荐，逻辑最严谨） #

idxmax()会直接返回每个分组下hours_viewed列最大值对应的原始行索引，通过loc直接筛选对应行即可，是这类需求的最通用实现：

result = df.loc[df.groupby('title')['hours_viewed'].idxmax()]
# 如果需要重置连续行索引可以追加 .reset_index(drop=True)
print(result)

运行输出：

week category title  hours_viewed
0     1      Eng   aaa           100
2     3  Non-Eng   bbb           105
5     6      Eng   ccc           115

方法2：排序 + 去重（写法更直观） #

先将全表按hours_viewed降序排序，再按title列去重、仅保留第一条记录（也就是每个title对应的最大值记录），如果需要还原原表的week顺序可以最后追加排序：

result = df.sort_values('hours_viewed', ascending=False) \
           .drop_duplicates(subset='title', keep='first') \
           .sort_values('week') \
           .reset_index(drop=True)

注意：如果同一个title下存在多条hours_viewed取值并列最大的记录，以上两种方法默认保留最早出现的那条记录，符合绝大多数场景的使用需求。

内容的提问来源于stack exchange，提问作者Chi Wong