Pandas使用groupby.max()取同ID苹果最高价格时返回错误位置如何解决

方法1：使用idxmax直接定位最大值行（推荐） #

通过groupby获取每个分组内Price列最大值对应的行索引，直接用loc提取完整行，代码简洁高效：

res = df.loc[df.groupby(['ID', 'Item'])['Price'].idxmax()]

方法2：排序后去重 #

先按Price降序排序，再按分组键去重，保留排序后的第一条记录（即价格最高的行），逻辑更直观易理解：

res = df.sort_values('Price', ascending=False).drop_duplicates(['ID', 'Item'], keep='first')

扩展：保留分组内所有最高价格对应的行 #

如果同一个分组下存在多条价格同为最大值的记录，可以用transform生成过滤掩码：

# 生成是否为分组内最高价的布尔掩码
max_price_filter = df['Price'] == df.groupby(['ID', 'Item'])['Price'].transform('max')
res = df[max_price_filter]

以上方法运行后均可得到正确结果：

内容的提问来源于stack exchange，提问作者i.d.s.chicago