Pandas分组后新增列：获取分组内col3的最大值与第二大值

我来帮你搞定这个需求！其实用Pandas的分组和聚合功能就能轻松实现，下面给你两种常用的方案，你可以根据自己的数据情况选择：

方案一：使用nlargest快速获取前两大值（推荐） #

这个方法简洁直观，还能自动处理组内元素不足2个的情况（会用NaN填充第二大值）：

步骤说明： #

1. 按col1和col2分组后，对col3取每组前2大的值
2. 把结果转置成列，并重命名为你需要的col3_max（最大值）和col4（第二大值）
3. 将分组结果合并回原DataFrame，让每一行都对应到所在组的最大和第二大值

示例代码： #

import pandas as pd

# 先构造一个示例DataFrame（你可以替换成自己的数据）
df = pd.DataFrame({
    'col1': ['A', 'A', 'A', 'B', 'B', 'B'],
    'col2': ['X', 'X', 'Y', 'X', 'Y', 'Y'],
    'col3': [10, 20, 30, 40, 50, 60]
})

# 获取每组前两大值并整理成列
top_two_vals = df.groupby(['col1', 'col2'])['col3'].nlargest(2).unstack()
top_two_vals.columns = ['col3_max', 'col4']  # 重命名列
top_two_vals = top_two_vals.reset_index()

# 合并回原DataFrame
final_df = df.merge(top_two_vals, on=['col1', 'col2'])

运行后final_df的输出就是你要的目标结果啦！

方案二：自定义聚合函数（灵活处理重复值） #

如果你的col3有重复值，并且希望第二大值是去重后的次大值，可以用自定义函数来实现：

示例代码： #

def extract_max_and_second(series):
    # 先排序去重，从大到小排列
    sorted_unique = series.sort_values(ascending=False).unique()
    max_val = sorted_unique[0] if len(sorted_unique) >= 1 else None
    # 只有当去重后至少有2个值时才取第二大，否则返回NaN
    second_max_val = sorted_unique[1] if len(sorted_unique) >= 2 else pd.NA
    
    return pd.Series([max_val, second_max_val], index=['col3_max', 'col4'])

# 分组聚合
grouped_result = df.groupby(['col1', 'col2'])['col3'].apply(extract_max_and_second).reset_index()

# 合并回原DataFrame
final_df = df.merge(grouped_result, on=['col1', 'col2'])

比如如果某组的col3是[20,20,10]，这个方案会返回第二大值为10，而方案一返回的是20，你可以根据业务需求选择。

内容的提问来源于stack exchange，提问作者hmaxx