Python如何按国家分组筛选出各国运动员人数最多的运动项目

首先纠正现有代码的写法问题：df.groupby('country', 'sport')是错误写法，多个分组键需要放在列表中传入，否则第二个参数会被识别为axis参数，无法得到预期的各国各项目运动员人数统计结果。

以下是两种常用的实现思路，可按需选择：

• 方案1：排序后去重（逻辑简单易读，适合中小数据量）

# 1. 统计每个国家每个运动项目的运动员人数
country_sport_cnt = df.groupby(['country', 'sport'], as_index=False)['name'].count().rename(columns={'name': 'athlete_cnt'})
# 2. 按国家升序、运动员人数降序排序，每个国家只保留第一条记录（即人数最多的项目）
result = country_sport_cnt.sort_values(['country', 'athlete_cnt'], ascending=[True, False]).drop_duplicates(subset='country', keep='first')

• 方案2：按国家取最大值索引（运行效率更高，适合大数据量）

# 1. 统计每个国家每个运动项目的运动员人数
country_sport_cnt = df.groupby(['country', 'sport'], as_index=False)['name'].count().rename(columns={'name': 'athlete_cnt'})
# 2. 取每个国家人数最大值对应的行索引，筛选出目标行
max_idx = country_sport_cnt.groupby('country')['athlete_cnt'].idxmax()
result = country_sport_cnt.loc[max_idx]

• 特殊场景处理：如果需要保留某个国家多个并列人数最高的项目，使用如下写法：

country_sport_cnt = df.groupby(['country', 'sport'], as_index=False)['name'].count().rename(columns={'name': 'athlete_cnt'})
# 生成每个国家的最高运动员人数字段，筛选匹配行
country_sport_cnt['max_athlete_cnt'] = country_sport_cnt.groupby('country')['athlete_cnt'].transform('max')
result = country_sport_cnt[country_sport_cnt['athlete_cnt'] == country_sport_cnt['max_athlete_cnt']].drop(columns='max_athlete_cnt')

内容的提问来源于stack exchange，提问作者JDAR