我有一个必须在三个级别上分组的DataFrame，然后返回最高值。每天都有一个每个唯一值的回报，我想找到最高的回报和细节。
data.groupby(['Company','Product','Industry'])['ROI'].idxmax()
回报表明：
Target - Dish Soap - House had a 5% ROI on 9/17
Best Buy - CDs - Electronics had a 3% ROI on 9/3
是最高的。
以下是一些示例数据：
+----------+-----------+-------------+---------+-----+
| Industry | Product | Industry | Date | ROI |
+----------+-----------+-------------+---------+-----+
| Target | Dish Soap | House | 9/17/13 | 5% |
| Target | Dish Soap | House | 9/16/13 | 2% |
| BestBuy | CDs | Electronics | 9/1/13 | 1% |
| BestBuy | CDs | Electroincs | 9/3/13 | 3% |
| ...
不确定这是for循环，还是使用.ix。
答案 0 :(得分：5)
我认为，如果我理解正确，您可以使用groupby和idxmax()收集系列中的索引值，然后使用{{1}从df中选择这些行}：
loc另一种选择是使用idx = data.groupby(['Company','Product','Industry'])['ROI'].idxmax()
data.loc[idx]
：
reindex在一个（不同的）数据框架上，我碰巧有用，看起来data.reindex(idx)
可能是更快的选择：
reindex