如何在Pandas分组后获取每日最高价对应的时间？

嗨，这问题我之前也碰到过！你已经找到了每日最高价，但要关联上对应的时间，得换个思路——直接用groupby('Date')['High'].max()只能拿到最大值，没法带回对应的行信息，所以得用能定位到原行的方法。

方法一：用idxmax()定位最大值所在行 #

idxmax()会返回每个分组中指定列最大值的索引，之后用loc就能取出完整的行数据：

# 获取每个日期组中High列最大值对应的行索引
max_high_rows = df.groupby('Date')['High'].idxmax()

# 根据索引提取目标列：Date、Time、High
daily_high_details = df.loc[max_high_rows, ['Date', 'Time', 'High']]

如果同一天有多个相同的最高价，这个方法会保留所有对应的行；要是只想留一条，可以在最后加.drop_duplicates(subset='Date')。

方法二：用transform生成当日最大值列再筛选 #

transform能把分组计算的结果广播回原DataFrame的每一行，这样就能用布尔索引筛选出符合条件的行：

# 给原DataFrame添加一列，存当日的High最大值
df['daily_high_max'] = df.groupby('Date')['High'].transform('max')

# 筛选出High等于当日最大值的行，只保留需要的列
daily_high_details = df[df['High'] == df['daily_high_max']][['Date', 'Time', 'High']]

为什么你之前的语法错了？ #

你写的df.groupby('Date','Time' as_index=False)有两个问题：

1. 多个分组列必须放在列表里，正确写法是groupby(['Date', 'Time'])；
2. 就算语法对了，按Date+Time分组也不是你要的结果——这会把每个5分钟的时间点都当成一个分组，而不是找每日最高对应的那个时间点。

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