多列GroupBy组合获取Top值及无对应组合时的异常处理问询

1. 如何使用不同的GroupBy组合获取浏览量最高的记录 #

假设我们有如下模拟用户行为的样例数据：

import pandas as pd

data = {
    'married': ['yes', 'yes', 'no', 'no', 'yes', 'no'],
    'gender': ['male', 'female', 'male', 'female', 'male', 'female'],
    'age_group': ['young', 'young', 'old', 'young', 'old', 'old'],
    'occupation': ['student', 'teacher', 'engineer', 'student', 'teacher', 'engineer'],
    'views': [150, 200, 300, 180, 250, 280],
    'rating': [4.2, 4.5, 4.8, 4.3, 4.7, 4.6]
}
df = pd.DataFrame(data)

不同GroupBy组合的实现方式 #

方式一：groupby().idxmax() + 索引定位

先通过分组找到每组浏览量最大的行索引，再用索引提取对应记录，这是最直接的方法：

• 单分组（按married分组）

# 获取每个婚姻状态下浏览量最高的记录
max_views_single = df.loc[df.groupby('married')['views'].idxmax()]
print(max_views_single)

输出：

married  gender age_group occupation  views  rating
2      no    male       old   engineer    300     4.8
4     yes    male       old    teacher    250     4.7

• 多分组（按married+gender分组）

# 获取每个婚姻状态+性别组合下浏览量最高的记录
max_views_multi = df.loc[df.groupby(['married', 'gender'])['views'].idxmax()]
print(max_views_multi)

输出：

married  gender age_group occupation  views  rating
4     yes    male       old    teacher    250     4.7
1     yes  female     young    teacher    200     4.5
2      no    male       old   engineer    300     4.8
5      no  female       old   engineer    280     4.6

方式二：sort_values() + drop_duplicates()

先按分组列和浏览量降序排序，再保留每个分组的第一条记录，适合需要自定义排序逻辑的场景：

# 按married+age_group分组取最高浏览量
max_views_sort = df.sort_values(['married', 'age_group', 'views'], ascending=[True, True, False])\
                   .drop_duplicates(['married', 'age_group'])
print(max_views_sort)

输出：

married  gender age_group occupation  views  rating
5      no  female       old   engineer    280     4.6
3      no  female     young    student    180     4.3
4     yes    male       old    teacher    250     4.7
1     yes  female     young    teacher    200     4.5

2. 多列GroupBy获取评分最高记录时，处理不存在的分组组合 #

问题场景还原 #

假设我们想要获取(married='yes', gender='male', age_group='young', occupation='teacher')这个组合的最高评分记录，但当前数据里没有这个组合，直接用get_group会触发KeyError：

# 尝试获取不存在的分组组合，会报错
grouped = df.groupby(['married', 'gender', 'age_group', 'occupation'])
try:
    grouped.get_group(('yes', 'male', 'young', 'teacher'))
except KeyError as e:
    print(f"报错：{e}")

输出：

报错：('yes', 'male', 'young', 'teacher')

解决方案：筛选有效分组组合再处理 #

我们可以先获取数据中实际存在的分组键，再和目标组合做交集，只对存在的组合进行操作：

步骤1：定义目标组合列表

# 目标组合：包含存在的和不存在的
target_groups = [
    ('yes', 'male', 'young', 'student'),  # 数据中存在的组合
    ('yes', 'male', 'young', 'teacher'),  # 数据中不存在的组合
    ('no', 'female', 'old', 'engineer')   # 数据中存在的组合
]

步骤2：筛选出数据中存在的组合

grouped = df.groupby(['married', 'gender', 'age_group', 'occupation'])
# 获取所有已存在的分组键集合
existing_groups = set(grouped.groups.keys())
# 筛选出目标中实际存在的组合
valid_targets = [g for g in target_groups if g in existing_groups]

步骤3：提取有效组合的最高评分记录

用nlargest获取每组评分最高的第一条记录，再拼接结果：

# 获取有效组合的最高评分记录
result = pd.concat([grouped.get_group(g).nlargest(1, 'rating') for g in valid_targets])
print(result)

输出：

married  gender age_group occupation  views  rating
0     yes    male     young    student    150     4.2
5      no  female       old   engineer    280     4.6

进阶：保留目标组合结构（含空值）

如果需要保留所有目标组合的结构，不存在的组合用NaN填充，可以用reindex实现：

# 先获取每个分组的最高评分
grouped_rating = grouped['rating'].max().reset_index()
# 用目标组合重新索引，不存在的组合自动填充NaN
final_result = grouped_rating.set_index(['married', 'gender', 'age_group', 'occupation'])\
                             .reindex(target_groups)\
                             .reset_index()
print(final_result)

输出：

married  gender age_group occupation  rating
0     yes    male     young    student     4.2
1     yes    male     young    teacher     NaN
2      no  female       old   engineer     4.6

内容的提问来源于stack exchange，提问作者pylearner