Python按分组提取最高分对应行报错：KeyError: 'Score' 求解

你的问题出在对分组后的结果只筛选了Score列，导致后续操作丢失了其他列信息，而且直接将Series赋值给df后，再访问'Score'列自然会报错（因为此时df是一个Series，不是DataFrame，它的name是'Score'，没有列名索引）。

为什么原代码出错？ #

你执行的代码：

df = df.groupby(['Col_A','Col_B','Col_C'])['Score'].nlargest(1)

这段代码会返回一个多级索引的Series（索引包含分组键+原DataFrame的行索引），值仅为每组Top1的Score值。此时df已经不是原来的DataFrame了，而是一个Series，所以当你后续尝试访问df['Score']时，就会触发KeyError——因为Series没有列名，只有一个name属性。

正确实现方法（保留所有列） #

下面提供几种可靠的方法，帮你提取每组中Score最高的完整行：

方法1：使用idxmax() + loc（推荐，效率较高）

idxmax()会返回每组中Score最大值对应的原行索引，再通过loc提取整行数据：

# 获取每组Score最大的行的索引
max_idx = df.groupby(['Col_A', 'Col_B', 'Col_C'])['Score'].idxmax()
# 提取对应行并重置索引
result = df.loc[max_idx].reset_index(drop=True)

方法2：先排序再取每组首行

先按分组键升序、Score降序排序，再分组取第一行：

result = df.sort_values(
    by=['Col_A', 'Col_B', 'Col_C', 'Score'],
    ascending=[True, True, True, False]
).groupby(['Col_A', 'Col_B', 'Col_C']).first().reset_index()

方法3：分组后直接对DataFrame用nlargest

通过apply对每个分组的子DataFrame调用nlargest，保留所有列：

result = df.groupby(
    ['Col_A', 'Col_B', 'Col_C'],
    group_keys=False
).apply(lambda x: x.nlargest(1, 'Score')).reset_index(drop=True)

验证结果 #

以上三种方法处理你的示例数据后，都会得到期望的结果：

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