Pandas按字符串而非时间格式分组取每组最大值并避免多级索引

你可以在现有代码的末尾追加以下代码实现需求，两种方案均不会生成多级索引，输出列名与你预设的merged_frame列完全一致： #

方案1：排序去重法（最简洁，适合绝大多数场景） #

# 按相似度得分降序排序，同一供应商的最高得分行自动排在分组最前
merged_frame_sorted = merged_frame.sort_values(by='Similarity', ascending=False)
# 按供应商名称去重，保留每组第一行即最高得分行，同时重置索引消除原有行号
result_df = merged_frame_sorted.drop_duplicates(subset='Supplier name', keep='first').reset_index(drop=True)

方案2：组内最大值索引法（适合需要保留全部同分最高得分行的场景） #

如果同一个供应商存在多条相似度得分相同的最高记录，需要全部保留可以用该方案：

# 按供应商分组，取每个组内相似度最高的行索引
max_sim_idx = merged_frame.groupby('Supplier name')['Similarity'].idxmax()
# 根据索引提取对应行后重置索引
result_df = merged_frame.loc[max_sim_idx].reset_index(drop=True)

如果需要调整输出列的顺序/筛选指定列，直接在最终结果上按需求取列即可，示例：

# 按你需要的列顺序调整列表内的列名即可
result_df = result_df[["Supplier name","Street_y","Similarity","Streetnumber"]]

内容的提问来源于stack exchange，提问作者SMS