Python Pandas：如何获取groupby分组内Message最大值对应的Hour？

嘿，我来帮你搞定这个需求！基于你给出的聚合后数据结构，我用Pandas给你写两种常见场景的实现代码，应该能完美匹配你的需求。

场景1：数据按「月份+小时」分组，统计该时段的消息总数 #

假设你的DataFrame（命名为df）结构是这样的（这里把数量列改名为msg_count方便理解，你可以换成实际列名）：

要获取每个月份中消息数最多的小时，直接按Month分组，提取每组中数量最大的行即可：

import pandas as pd

# 核心代码：找到每个月份中数量最大的行
result = df.loc[df.groupby('Month')['msg_count'].idxmax()]

# 只保留Month和Hour列（可选）
result = result[['Month', 'Hour']].reset_index(drop=True)

# 输出结果
print(result)

场景2：数据按「消息类型+月份」分组，统计该类型在当月的数量 #

如果你的示例里Hour列其实是消息数量（可能列名标注有误），DataFrame结构如下：

而你需要的是每个月份中，所有消息类型的总数量最大对应的小时，可以先按月份+小时分组求和，再找最大值：

# 第一步：按Month和Hour分组，统计当月该小时的总消息数
hourly_total = df.groupby(['Month', 'Hour'])['Message'].sum().reset_index()

# 第二步：找到每个月份中总数量最大的Hour
result = hourly_total.loc[hourly_total.groupby('Month')['Message'].idxmax()]

# 筛选需要的列
result = result[['Month', 'Hour']]
print(result)

补充：处理并列最大值的情况 #

如果某个月份里有多个小时的消息数量并列第一，上面的idxmax()只会返回第一个出现的行。若需要保留所有并列的行，可以用transform方法：

# 获取每个月份的最大消息数
max_counts = hourly_total.groupby('Month')['Message'].transform('max')

# 筛选出所有等于当月最大数的行
result = hourly_total[hourly_total['Message'] == max_counts]

这样就能完美解决你的问题啦！

内容的提问来源于stack exchange，提问作者user3595632