Pandas按每3行分组获取指定列最大值对应行的方法

嗨，我来帮你搞定这个问题～你现在碰到的问题其实是groupby().max()的特性导致的——它会对每一列单独取最大值，所以结果里的行其实是各列最大值的拼接，并不是真实存在的整行数据。而我们的目标是找到每个分组里delta列值最大的那一行，这里有几个实用的方法：

方法一：用idxmax() + loc（推荐，效率最高） #

这个思路是先找到每个分组中delta列最大值对应的原始行索引，再用loc提取整行数据：

# 按每3个元素分组（用整数除法//保证分组键是整数，比/更严谨）
group_keys = fr.index // 3
# 获取每个分组中delta最大的行的索引
max_delta_indices = fr.groupby(group_keys)['delta'].idxmax()
# 根据索引取出对应的行
result = fr.loc[max_delta_indices]

运行后得到的结果就是你期望的：

ping  delta
0  1516190798773    161
3  1516193952748    295

方法二：用groupby.apply() #

直接对每个分组应用lambda函数，筛选出delta最大的行：

# 每个分组取delta最大的行
result = fr.groupby(fr.index // 3).apply(lambda group: group.loc[group['delta'].idxmax()])
# 如果需要重置索引（去掉分组键的层级），可以加.reset_index(drop=True)
result = result.reset_index(drop=True)

这个方法更直观，但如果你的DataFrame数据量很大，apply的效率会比第一种方法低一些。

方法三：用nlargest() #

通过nlargest直接获取每个分组中delta最大的1行，再提取对应数据：

# 每个分组取delta最大的1行，保留原始索引
max_delta_series = fr.groupby(fr.index // 3)['delta'].nlargest(1)
# 去掉分组键的层级，得到原始行索引
max_delta_indices = max_delta_series.reset_index(level=0, drop=True).index
# 提取对应行
result = fr.loc[max_delta_indices]

简单总结一下，优先选方法一，既高效又简洁，完全能满足你的需求～

内容的提问来源于stack exchange，提问作者ryche