如何在Pandas多级索引DataFrame中提取姓名对应占比更高的性别数据

背景回顾 #

你已经通过分组求和得到了一个以name和sex为多级索引的DataFrame，现在需要筛选出每个姓名下占比（percent）最高的那条性别记录。

解决方案 #

这里有几种简洁的方法可以实现你的需求：

方法1：利用多级索引直接筛选

假设你分组后的DataFrame名为grouped_df，可以通过按name层级分组后取最大值的索引来提取目标行：

# 先获取每个name组中percent最大的行的索引
max_indices = grouped_df.groupby(level='name')['percent'].idxmax()
# 根据索引筛选出目标数据
final_df = grouped_df.loc[max_indices]

这样就能得到每个姓名对应占比最高的性别记录，输出格式和你期望的一致。

方法2：重置索引后处理（更直观）

如果你觉得多级索引操作有点绕，可以先把索引转为普通列，再进行筛选：

# 重置索引，让name和sex成为普通列
reset_df = grouped_df.reset_index()
# 按name分组，取每组中percent最大的行
final_df = reset_df.loc[reset_df.groupby('name')['percent'].idxmax()]
# 可选：如果需要恢复多级索引，可以再设置回去
final_df = final_df.set_index(['name', 'sex'])

方法3：排序后去重

另一种思路是先按占比降序排序，然后保留每个姓名的第一条记录（也就是占比最高的那条）：

final_df = grouped_df.reset_index()\
                     .sort_values('percent', ascending=False)\
                     .drop_duplicates('name')\
                     .set_index(['name', 'sex'])

这种方法逻辑简单易懂，适合刚接触pandas的用户。

验证结果 #

运行上述任意一种方法后，你都会得到期望的输出：

percent
name    sex            
Aaron   boy    0.292292
Abagail girl   0.001326
Abbie   girl   0.022804

内容的提问来源于stack exchange，提问作者josh453