Pandas如何按区域分组求取数据框各列最大值及对应国家

方法1：基于已有的区域列表遍历实现 #

你已经通过np.unique(df['Region'])拿到了区域列表，后续可以按如下逻辑操作：

• 初始化空容器存储最终结果
• 遍历每个区域，筛选出该区域对应的所有数据
• 分别匹配Happiness score、GDP两列最大值对应的行，提取数值和国家名称
• 汇总所有区域的结果

import pandas as pd
import numpy as np

# 你已生成的区域列表
regions = np.unique(df['Region'])
result = []

for region in regions:
    # 筛选当前区域的全量数据
    region_df = df[df['Region'] == region].reset_index(drop=True)
    # 取幸福指数最高的对应行
    happiness_max_row = region_df.loc[region_df['Happiness score'].idxmax()]
    # 取GDP最高的对应行
    gdp_max_row = region_df.loc[region_df['GDP'].idxmax()]
    # 存入单区域结果
    result.append({
        'Region': region,
        'max_happiness_score': happiness_max_row['Happiness score'],
        'happiness_max_country': happiness_max_row['country name'],
        'max_gdp': gdp_max_row['GDP'],
        'gdp_max_country': gdp_max_row['country name']
    })

# 转换为数据框方便后续处理
result_df = pd.DataFrame(result)

方法2：groupby聚合实现（更推荐，性能更高） #

不需要单独提前提取区域列表，直接用pandas内置的分组聚合能力实现，代码更简洁，处理大数据量时性能远高于遍历：

# 自定义聚合函数：返回最大值+对应国家名
def agg_max_info(series):
    max_value = series.max()
    max_country = df.loc[series.idxmax(), 'country name']
    return pd.Series([max_value, max_country], index=['max_value', 'corresponding_country'])

# 按区域分组，对两个数值列做聚合
result_df = df.groupby('Region')[['Happiness score', 'GDP']].apply(agg_max_info).unstack()
# 重命名列名，优化可读性
result_df.columns = [f'{col[0]}_{col[1]}' for col in result_df.columns]
result_df = result_df.reset_index()

注意：如果单区域内存在多个国家数值同为最大值的情况，上述方法默认返回第一个匹配到的国家，若需要返回所有匹配国家，可将聚合逻辑中的国家返回值修改为列表存储所有匹配结果。

内容的提问来源于stack exchange，提问作者jim