求助：Pandas中按用户分组选取对应最高访问量的产品信息

我完全懂你的困扰！你想要的是每个客户ID下，对应最高No_visits的那一行完整数据，而不是把product_code和No_visits各自的最大值单独提取出来——之前的groupby().max()确实会做后者，这就偏离了你的需求。

下面给你两种简单可靠的实现方法：

方法1：使用idxmax()定位目标行 #

idxmax()会返回每组中No_visits最大值对应的行索引，再通过loc提取完整行：

# 注意列名是No_visits（首字母大写，和你原DataFrame保持一致）
result = df.loc[df.groupby('customer_id')['No_visits'].idxmax()]
# 可选：重置索引让结果更整洁
result = result.reset_index(drop=True)

运行后就能得到你预期的结果：

方法2：排序后去重 #

先按客户ID升序、No_visits降序排序，这样每个客户的第一条记录就是访问次数最多的，再通过drop_duplicates保留每组第一条：

result = df.sort_values(
    by=['customer_id', 'No_visits'],
    ascending=[True, False]
).drop_duplicates(subset='customer_id').reset_index(drop=True)

这个方法逻辑直观，适合需要先查看排序后数据的场景。

小提醒 #

你之前的代码里写了no_visits（全小写），但原DataFrame的列名是No_visits（首字母大写），这种大小写不一致也会导致错误，记得保持列名统一哦！

内容的提问来源于stack exchange，提问作者Homesand