如何基于指定优先级规则从DataFrame中提取最优type与value键值对

实现方案（推荐） #

无需中转字典，直接通过排序+分组取首行即可实现规则，逻辑清晰且不会丢失同type的多值场景：

1. 给type列映射优先级权重，优先级越高数值越大
2. 按分组键、优先级、value降序排序，每个分组的第一行即为符合规则的最优结果
3. 分组取首行输出结果即可

import pandas as pd

# 定义type优先级映射
type_prio = {'t': 3, 'o': 2, 'f': 1}
merged_df['type_prio'] = merged_df['type'].map(type_prio)

# 排序：先按分组键，再按type优先级降序，同优先级按value降序
sorted_df = merged_df.sort_values(
    by=['name', 'time', 'type_prio', 'value'],
    ascending=[True, True, False, False]
)

# 每个(name, time)分组取第一行即为所需结果
res = sorted_df.groupby(['name', 'time'], as_index=False).first()[['name', 'time', 'type', 'value']]

基于你现有字典结果的处理方案 #

如果要基于你已经生成的含字典的grp对象处理，可以用自定义函数提取最优键值对：

注意：你之前生成字典的逻辑存在缺陷，如果同一个type在同一个分组下出现多个value，转字典时会被后面的value覆盖，无法正确执行「同type取最大value」的规则，因此更推荐使用第一种方案。

def extract_best(kv_dict):
    # 按优先级顺序遍历type，找到第一个存在的type即可返回
    for t in ['t', 'o', 'f']:
        if t in kv_dict:
            return pd.Series([t, kv_dict[t]], index=['type', 'value'])
    return pd.Series([None, None], index=['type', 'value'])

# 应用函数生成结果
grp[['type', 'value']] = grp.iloc[:, -1].apply(extract_best)
res = grp[['name', 'time', 'type', 'value']]

内容的提问来源于stack exchange，提问作者K_Raikar