如何在Pandas Series中选取每日最大值对应的索引？

嘿，这个需求用Pandas的分组功能就能轻松搞定，比手动遍历高效多了，我给你一步步拆解：

我们可以按日期对Series分组，然后用idxmax()直接获取每组最大值对应的索引——这比自己写循环遍历要简洁且性能更好。

第一步：编写代码实现 #

先把完整的代码放出来，你可以直接运行：

import pandas as pd
from datetime import datetime

# 初始化你的时间序列
ts1 = pd.Series([1, 2, 4, 3],
                index=[datetime(2011,1,2,1,1,1), # 第一天
                       datetime(2011,1,2,2,2,2),
                       datetime(2011,1,3,1,1,1), # 第二天
                       datetime(2011,1,3,4,4,4)])

# 按日期分组，提取每组最大值的索引
daily_max_indices = ts1.groupby(ts1.index.date).idxmax()

第二步：查看并遍历结果 #

执行上面的代码后，daily_max_indices会是一个包含日期和对应最大值索引的Series。如果要像你期望的那样输出结果，可以遍历它：

# 遍历输出每个日期的最大值索引及对应数值
for date, max_timestamp in daily_max_indices.iteritems():
    print(f"{max_timestamp} # {date}的最大值为{ts1[max_timestamp]}")

运行这段代码后，你会得到和期望完全一致的输出：

2011-01-02 02:02:02 # 2011-01-02的最大值为2
2011-01-03 01:01:01 # 2011-01-03的最大值为4

为什么推荐这种方法？ #

手动遍历每个日期再筛选数据不仅代码繁琐，而且当数据量很大时，性能会很差。Pandas的分组操作是底层优化过的，idxmax()方法也直接帮我们定位到最大值的索引，完全贴合你的需求，代码可读性和效率都拉满。

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