Pandas按索引使用groupby().max()分组取最大值时如何保留其余列？

你当前使用的df1.open_interest.groupby(df1.index).max()属于仅对单列open_interest的Series聚合操作，返回结果自然只会保留分组键和open_interest两列，无法附带同行业的identifier、strike关联字段。
要实现需求，核心是先定位每个分组下open_interest最大值对应的行索引，再从原DataFrame中提取这些行的目标字段，以下是两种常用实现方案：

方案1：性能最优（推荐用于你的26000行场景） #

用idxmax定位目标行索引，再提取对应行，运算速度远快于逐组遍历的方案：

# 1. 找到每个分组中open_interest最大值对应的行索引
max_row_idx = df1.groupby(df1.index)['open_interest'].idxmax()
# 2. 从原表中提取这些行的指定列，自动附带所有关联字段
result = df1.loc[max_row_idx, ['date', 'open_interest', 'identifier', 'strike']]

如果你的分组是按普通列而非索引划分（比如按date+identifier两列分组），只需修改groupby的参数为对应列名即可：

max_row_idx = df1.groupby(['date', 'identifier'])['open_interest'].idxmax()
result = df1.loc[max_row_idx, ['date', 'open_interest', 'identifier', 'strike']]

方案2：逐组提取Top N行 #

如果后续需要在每个分组下取open_interest前N高的行（比如示例中每个分组取最大的1行），可以直接用groupby的apply方法：

# 每个分组取open_interest最大的1行，保留所有列后筛选目标字段
result = df1.groupby(df1.index, group_keys=False).apply(
    lambda g: g.nlargest(1, 'open_interest')
)[['date', 'open_interest', 'identifier', 'strike']]

补充：如果提取后分组索引需要转为普通列，在最后加一行result = result.reset_index(drop=True)即可。

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