基于分组属性过滤DataFrame：定位工单耗时最多负责人

没问题，我来帮你搞定这个需求——从问题追踪系统的日志数据里，找出每个工单的负责人（即该工单上总耗时最多的用户），如果有多名用户总耗时相同，那就全部列为负责人。

第一步：准备示例数据 #

先把你给出的示例数据用pandas加载好：

import pandas as pd

df = pd.DataFrame([
    [1, 10, 'John'],
    [1, 20, 'John'],
    [1, 30, 'Tom'],
    [1, 10, 'Bob'],
    [2, 25, 'John'],
    [2, 15, 'Bob']
], columns=['IssueKey','TimeSpent','User'])

第二步：计算每个用户在工单上的总耗时 #

首先按IssueKey（工单编号）和User（用户）分组，统计每个用户在对应工单上的累计耗时：

# 分组计算每个用户的工单总耗时
user_time_totals = df.groupby(['IssueKey', 'User'])['TimeSpent'].sum().reset_index()

这一步会得到每个用户在各工单的总耗时结果：

IssueKey  User  TimeSpent
0         1   Bob         10
1         1  John         30
2         1   Tom         30
3         2   Bob         15
4         2  John         25

第三步：找出每个工单的最大耗时值 #

接下来，我们需要知道每个工单的最高总耗时是多少，这样才能筛选出达到这个值的用户：

# 计算每个工单的最大总耗时
max_time_per_issue = user_time_totals.groupby('IssueKey')['TimeSpent'].max().reset_index(name='MaxTotalTime')

结果如下：

IssueKey  MaxTotalTime
0         1            30
1         2            25

第四步：筛选出每个工单的负责人 #

把上面两个结果合并，然后筛选出总耗时等于该工单最大值的用户，就是我们要找的负责人：

# 合并数据并筛选负责人
issues_owners = pd.merge(user_time_totals, max_time_per_issue, on='IssueKey')
issues_owners = issues_owners[issues_owners['TimeSpent'] == issues_owners['MaxTotalTime']]

# 可选：重命名列让结果更清晰
issues_owners = issues_owners.rename(columns={'TimeSpent': 'TotalTimeSpent'})

最终的issues_owners结果就是：

IssueKey  User  TotalTimeSpent  MaxTotalTime
1         1  John              30            30
2         1   Tom              30            30
4         2  John              25            25

可选：将同一工单的负责人合并到一行 #

如果希望同一个工单的负责人显示在同一行（用逗号分隔），可以再做一步聚合：

issues_owners_combined = issues_owners.groupby('IssueKey').agg(
    MaxTotalTime=('MaxTotalTime', 'first'),
    Owners=('User', ', '.join)
).reset_index()

这会得到更紧凑的结果：

IssueKey  MaxTotalTime    Owners
0         1            30  John, Tom
1         2            25       John

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