Pandas如何标记分组内指定列最大值对应行 新增标识列实现需求

基础需求实现（按car_brand分组标记最新行） #

直接用groupby+transform组合即可一行实现需求，不需要额外取索引赋值：

import pandas as pd

# 你提供的初始化代码
data = pd.DataFrame({'car_plate':['1v','2f','3a','h0','m1'],
'car_brand':['Honda','Honda','Ford','Audi','Audi'],
'last_seen':['01/01/2020','01/02/2020','01/03/2020','01/04/2020','01/05/2020']})
data['last_seen'] = pd.to_datetime(data['last_seen'])

# 新增recent列核心代码
data['recent'] = data.groupby('car_brand')['last_seen'].transform(lambda x: x == x.max()).astype(int)

运行后输出的data就是你需要的结果，逻辑是：按car_brand分组后，判断每行的last_seen是否等于该组的最大值，布尔值转整数后自然得到1/0的标记。如果同组有多行同时命中最大时间，这些行都会被标记为1，符合常规业务逻辑。

多维度分组扩展实现 #

如果新增car_owner字段，需要按car_brand分组后，标记每个car_plate+car_owner组合的最新last_seen行，只需要修改groupby的分组键即可，把需要区分的维度都放到分组参数里：

# 假设你的数据已经新增了car_owner列，核心代码如下
data['recent'] = data.groupby(['car_brand', 'car_plate', 'car_owner'])['last_seen'].transform(lambda x: x == x.max()).astype(int)

这个写法会自动识别每个品牌下，相同车牌+车主组合的最大时间行，标记为1，其他为0，和基础需求的逻辑完全一致，仅调整分组维度即可适配。

内容的提问来源于stack exchange，提问作者Alejandro A