Python 从多索引数据帧中获取最大值

我有一个数据框，如下图所示：

这里uid和id是索引。此数据帧是从单个索引数据帧转换而来的，因此某些列存在重复值。对于每个uid，avg_diff的所有值都是相同的，但不同的uid在此字段中将具有不同的值。我想用不同的UID获得最大的10个平均差值

---

注意：这是一个巨大的数据帧，因此我正在寻找最优化的方法。

我认为您可以先使用删除重复项，

~

用于反转布尔掩码

然后使用or+：

---

另一个解决方案：

mask = df.index.get_level_values('uid').duplicated() 
print (~mask)
[ True False False  True False  True False]

df = df[~mask].sort_values('avg_diff', ascending=False).head(2)
print (df)

        avg_diff  id
uid id              
3   1        0.3   1
2   5        0.2   5

---

如果我没弄错的话，您只需要删除“uid”的副本，然后按avr_diff排序

unique_uid = data.reset_index().drop_duplicates("uid").set_index("uid")
print(unique_uid["avr_diff"].sort_values(ascending=False)[:10])

---

使用

print（df[~mask].nsmallest（2，'avg_diff'））

或

df[~mask].sort_值（'avg_diff'）。head（2）

mask = df.index.get_level_values('uid').duplicated() 
print (~mask)
[ True False False  True False  True False]

df = df[~mask].sort_values('avg_diff', ascending=False).head(2)
print (df)

        avg_diff  id
uid id              
3   1        0.3   1
2   5        0.2   5

unique_uid = data.reset_index().drop_duplicates("uid").set_index("uid")
print(unique_uid["avr_diff"].sort_values(ascending=False)[:10])