对数据表执行groupby后如何获取每个分组下值最大的对应行？

解法 #

你计算得到的是带有interval、stop_name双重索引的Series，按以下步骤操作即可得到目标结果：

1. 先把分组求均值的结果存为变量，再转成DataFrame格式便于后续处理

# 先保存平均延迟计算结果
avg_delay = delays_with_stop_names.groupby(['interval','stop_name'])['delay'].mean()

2. 任选以下任意一种方法提取每个interval的最高平均延迟记录：

方法1：groupby + idxmax（逻辑直观） #

按interval分组后，直接取每组平均延迟最大值对应的行：

result = avg_delay.reset_index(name='avg_delay') \
                  .groupby('interval') \
                  .apply(lambda x: x.loc[x['avg_delay'].idxmax()]) \
                  .reset_index(drop=True)

方法2：排序 + 去重（执行效率更高） #

先按interval升序、平均延迟降序排序，再按interval去重保留第一条记录即可：

result = avg_delay.reset_index(name='avg_delay') \
                  .sort_values(['interval', 'avg_delay'], ascending=[True, False]) \
                  .drop_duplicates('interval', keep='first') \
                  .reset_index(drop=True)

3. 调整格式并输出你需要的样式：

# 把平均延迟转为整数
result['avg_delay'] = result['avg_delay'].astype(int)
# 按要求格式打印
for _, row in result.iterrows():
    print(row['interval'], row['stop_name'], row['avg_delay'])

内容的提问来源于stack exchange，提问作者Filip