Pandas按group列分组后 对非分组列批量取最大值的实现方法

为什么你的写法会触发「invalid syntax」报错 #

你直接把列表推导写在GroupBy对象的方括号索引位置时，Python语法解析器会产生歧义：无法判断当前方括号是「GroupBy的列索引容器」，还是「列表推导式本身的语法容器」，直接抛出语法错误，这和pandas的运行逻辑无关。

适配业务场景的几种正确实现方案 #

你的核心需求是无需逐一手动列写列名，批量对所有非分组列计算分组最大值，以下几种写法都可以实现目标，按推荐优先级排序：

• 最简便的内置写法（零手动列筛选）
  当所有非分组列都需要计算最大值时，GroupBy的聚合方法本身就支持自动跳过分组列、对剩余所有可计算的列执行聚合，完全不需要手动筛选列名：

  df.groupby('group', sort=False).max()
  

  这段代码的输出和题目要求的目标效果完全一致，适配“计算列数量多、不想手动逐一列名”的业务场景。
• 精准筛选非目标列的写法
  如果你需要排除部分不需要计算的非分组列，可以先把筛选好的目标列存为独立变量，再传给GroupBy的列索引位置，彻底避免语法解析歧义：

  # 筛选所有非group列的列表
  target_cols = [col for col in df.columns if col != 'group']
  # 分组计算最大值
  df.groupby('group', sort=False)[target_cols].max()
  

• 单行兼容写法
  如果你偏好一行代码写完，可以在列表推导式外层再加一层方括号，明确告知Python「外层方括号是GroupBy的索引器，内层方括号是列表推导的语法容器」，消除解析歧义：

  df.groupby('group', sort=False)[[x for x in df.columns if x != 'group']].max()
  

  这种写法可读性较差，更推荐前两种逻辑更直观的实现。

内容的提问来源于stack exchange，提问作者Dance Party2