如何在pandas多索引分组DataFrame中提取列最大值对应的索引

假设你已经通过groupby得到了每个选手、每种场地对应的获胜次数统计DataFrame，示例结构如下：

你可以直接用pandas原生的排序+去重逻辑实现需求，全程无迭代，适合大数据量场景：

# 第一步：按选手名称升序、获胜次数降序排序
sorted_win_df = win_stat_df.sort_values(
    by=["fullname", "win_count"],
    ascending=[True, False]
)
# 第二步：去重保留每个选手的第一条记录，即获胜次数最多的场地
best_surface_df = sorted_win_df.drop_duplicates(
    subset="fullname",
    keep="first"
)[["fullname", "surface"]]
# 第三步：重命名列符合输出要求
best_surface_df = best_surface_df.rename(columns={"surface": "best_surface"})

如果遇到同一个选手多个场地获胜次数并列最高的情况，可以调整规则适配：

• 保留所有并列结果：将drop_duplicates替换为groupby("fullname").head(N)，N为你要保留的前N个并列项
• 按固定优先级选择场地：可以在sort_values的by参数中增加场地排序规则，比如by=["fullname", "win_count", "surface"]，按场地名称首字母排序选优先级高的

内容的提问来源于stack exchange，提问作者Francesco Fattori