Pandas groupby取最大值后如何追加原DataFrame对应lp_id列值

实现方案 #

方案1：一步提取分组最大值对应完整行（推荐） #

不需要先单独计算最大值再合并，直接通过idxmax()获取每个分组内pct_access最大值对应的行索引，取出原表整行数据即可直接得到包含lp_id的完整结果：

df_engage_max = df_engage.loc[df_engage.groupby(['district_id', 'time'])['pct_access'].idxmax()].reset_index(drop=True)

该方案默认每个分组仅返回第一个出现的最大值对应的行，适合单分组内最大值唯一的场景。

方案2：基于已有max表匹配追加lp_id #

如果你已经生成了仅包含三列的df_engage_max，可以通过多字段左连接匹配原表的lp_id字段：

df_engage_max = df_engage_max.merge(
    df_engage[['district_id', 'time', 'pct_access', 'lp_id']],
    on = ['district_id', 'time', 'pct_access'],
    how = 'left'
)

注意：如果同一district_id+time分组下存在多个行的pct_access同为最大值，合并后会返回所有对应lp_id的行，若只需保留一条，可在合并后追加.drop_duplicates(subset=['district_id', 'time'], keep='first')完成去重。

内容的提问来源于stack exchange，提问作者Ahmed Emad