如何使用Pandas GroupBy为每个产品标记销量最高的行

你完全可以用Pandas的groupby配合transform方法来实现这个需求，不用写循环，代码简洁还高效！

先确认下你的原始数据结构：

你的目标是添加一列product_max，标记每个产品销量最高的行，最终效果如下：

具体实现代码 #

假设你的DataFrame变量名为df，只需要几行代码就能搞定：

import pandas as pd

# （如果已经有现成的df可以跳过这段数据构造代码）
data = {
    'product_id': ['A1', 'A1', 'A1', 'A2', 'A2', 'A2'],
    'week_number': [1, 2, 3, 1, 2, 3],
    'sales': [1000, 2000, 3000, 8000, 4000, 2000]
}
df = pd.DataFrame(data)

# 核心代码：添加product_max标记列
df['product_max'] = df['sales'] == df.groupby('product_id')['sales'].transform('max')

代码解释 #

• df.groupby('product_id')['sales'].transform('max')：按product_id分组后，计算每个产品组的销量最大值，再通过transform把这个最大值“广播”到组内的每一行，生成一个和原DataFrame长度一致的Series。这样每一行都能对应到自己所属产品的最高销量。
• 用原sales列和这个Series做相等比较，就得到了每行是否是该产品销量最高的标记，结果是布尔值（True/False），正好符合你需要的product_max列的要求。

另外，如果某个产品有多个行销量并列最高（比如同一产品两周销量都是峰值），这个方法也会自动把这些行都标记为True，实用性拉满！

备注：内容来源于stack exchange，提问作者Tyler Moore