如何使用Python pandas获取每个分组中值最大的行

你按ex字段完成分组的DataFrame预览如下：

以下是经过验证的可用方法，根据你的需求选择即可：

• 场景1：每个分组只保留第一条匹配最大值的行（性能最优，大数据量优先选）
  用idxmax()直接定位每个分组目标列最大值对应的原表索引，再通过loc取整行：

  # 把「target_col」替换成你要对比最大值的实际列名，比如你要取count列最大值就填'count'
  result = df.loc[df.groupby('ex')['target_col'].idxmax()]
  

  注意：不要直接用df.groupby('ex').max()，该方法会对每列单独取最大值拼接，返回的行不一定是原表中真实存在的记录，会出现列值错配。

• 场景2：每个分组保留所有值等于最大值的行（同组最大值有多条时全部返回）
  用transform('max')给同组所有行打上该组最大值的标记，再做等值过滤：

  # 同样替换「target_col」为你的实际对比列名
  result = df[df.groupby('ex')['target_col'].transform('max') == df['target_col']]
  

• 如果你已经提前生成了GroupBy对象（比如存为g = df.groupby('ex')），直接在g上调用上述方法即可，不需要重复执行分组逻辑。

内容的提问来源于stack exchange，提问作者Quang Minh Vu