如何在pandas多级索引DataFrame中基于分组最大值新增指定列

生成Step2列 #

你可以用groupby搭配transform方法实现需求，transform会将分组后的聚合结果广播到组内所有行，返回的结果长度和原DataFrame完全一致，可以直接赋值为新列：

# 按索引级Hour分组，对Step1求最大值后广播到组内所有行
df['Step2'] = df.groupby(level='Hour')['Step1'].transform('max')

如果你的多级索引没有显式命名，也可以用索引序号指定分组级别：

df['Step2'] = df.groupby(level=0)['Step1'].transform('max')

生成Step3列 #

基于已经生成的Step2列，用where做条件筛选即可：仅当Level索引值为Level_0时保留最大值，其余行默认填充NaN（即不展示值）

# 提取Level索引的值做判断
df['Step3'] = df['Step2'].where(df.index.get_level_values('Level') == 'Level_0')

如果不想依赖Step2列，也可以直接写为一行：

df['Step3'] = df.groupby(level='Hour')['Step1'].transform('max').where(df.index.get_level_values('Level') == 'Level_0')

内容的提问来源于stack exchange，提问作者hbstha123