如何从pandas的groupby.size()结果中获取所有最大最小值及对应数据

你可以先将分组计数结果转为带普通列的DataFrame，再按计数值做布尔筛选，就能拿到所有符合最大值/最小值条件的条目：

完整实现代码 #

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'col1' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2', 'MM4', 'MM4', 'MM4'],
    'col2' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4', 'S2', 'S2', 'S2'],
    'col3' : [1,1,2,3,4,3,2,2,4]
    })

# 1. 计算分组计数，将多级索引转为普通列，计数结果命名为count列
count_df = df.groupby(["col1", "col3"]).size().reset_index(name='count')

# 2. 筛选所有计数为最大值的条目
max_count_rows = count_df[count_df['count'] == count_df['count'].max()]

# 3. 筛选所有计数为最小值的条目
min_count_rows = count_df[count_df['count'] == count_df['count'].min()]

结果说明 #

• 你可以直接从max_count_rows、min_count_rows中提取col1、col3列，得到对应分组的字段值
• 如果你习惯使用分组计数的Series格式，也可以用如下方式直接筛选，不需要转DataFrame：

count_series = df.groupby(["col1", "col3"]).size()
# 筛选所有最大值对应的条目
max_count_series = count_series[count_series == count_series.max()]
# 得到的索引即为对应col1、col3的元组列表
max_groups = max_count_series.index.tolist()

内容的提问来源于stack exchange，提问作者four-eyes