Pandas中获取特定列最大值对应列：按投资类型找最大金额国家

嘿，我来帮你搞定这个需求！要实现按投资类型分组，找出每组中投资金额最高的国家，咱们可以用Pandas的分组和索引技巧轻松实现，下面是具体的方案：

完整代码示例 #

首先咱们先构造符合预期结果的DataFrame（补全了amount列的数据，确保运行后能得到你要的["can", "gb", "ind"]）：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "country": ["ind", "usa", "gb", "ind", "gb", "usa", "can", "can", "usa", "ind", "gb", "can"],
    "type": ["deposit", "bonds", "cash", "cash", "bonds", "deposit", "bonds", "deposit", "deposit", "bonds", "cash", "deposit"],
    "amount": [100, 200, 300, 500, 500, 150, 400, 700, 250, 350, 400, 800]
})

方法一：用groupby + idxmax() #

这是最直接的方法，通过分组找到最大值的索引，再提取对应国家：

# 按type分组，获取每组amount最大值的行索引，再提取country列转成列表
result = df.loc[df.groupby('type')['amount'].idxmax(), 'country'].tolist()
print(result)  # 输出: ['can', 'gb', 'ind']

步骤解释：

• df.groupby('type')['amount'].idxmax()：按type分组后，找到每组中amount列最大值对应的行索引
• df.loc[..., 'country']：利用索引定位到对应的行，提取country列的值
• .tolist()：将Pandas Series转换为普通列表，得到最终结果

方法二：排序后取每组首行 #

如果你偏好先排序再分组的逻辑，也可以这么做：

# 先按type升序、amount降序排序，再分组取每组第一行的country
result = df.sort_values(['type', 'amount'], ascending=[True, False]) \
          .groupby('type') \
          .first()['country'] \
          .tolist()
print(result)  # 同样输出: ['can', 'gb', 'ind']

步骤解释：

• sort_values(['type', 'amount'], ascending=[True, False])：先按type分组排序，再在每组内按amount从大到小排列，这样金额最大的行排在每组最前面
• groupby('type').first()：按type分组后，取每组的第一行（也就是金额最大的行）
• 最后提取country列并转成列表

注意事项 #

如果同一投资类型中有多个国家的投资金额相同且都是最大值，上面两种方法都会返回第一个出现的那个国家。如果需要收集所有符合条件的国家，可以进一步调整逻辑，比如用transform来标记最大值行，再筛选提取。

内容的提问来源于stack exchange，提问作者Sandeep