Python 获取groupby中元组值列的idxmax或idxmin

我有一个元组值的分数，我想得到对应于最大值的行。我想做的一个玩具示例是：

import pandas as pd
df = pd.DataFrame({'id': ['a', 'a', 'b', 'b'], 
                   'score': [(1,1,1), (1,1,2), (0, 0, 100), (8,8,8)], 
                   'numeric_score': [1, 2, 3, 4],
                   'value':['foo', 'bar', 'baz', 'qux']})
# Works, gives correct result:
correct_df = df.loc[df.groupby('id')['numeric_score'].idxmax(), :]
# Fails with a TypeError
goal_df = df.loc[df.groupby('id')['score'].idxmax(), :] 

correct_df

具有我希望在

goal_df

中得到的结果。这会引发一系列错误，其核心似乎是：

TypeError:此数据类型不允许还原操作“argmax”

一个可行但丑陋的解决方案是：

best_scores = df.groupby('id')['score'].max().reset_index()[['id', 'score']]
goal_df = (pd.merge(df, best_scores, on=['id', 'score'])
           .groupby(['id'])
           .first()
           .reset_index())

---

有没有一个圆滑的版本？

我理解你的问题是：

NumPy的

.argmax（）

不适用于元组。对于一系列元组，如何确定最大值元组的索引

IIUC，这将返回所需的结果：

df.loc[df.score == df.score.max()]

---

你期望的结果是什么？你说你想要最大值，但你能更具体一点吗？谢谢@GoodLuckGanesh，我更新了这个问题来演示我的意图。如果你的分数是

（8,8,8）

和

（100,0,0）

，你想要100吗？正确。我想要与标准python中相同的排序行为（例如，（100,0,0）>（8,8,8）），我想要根据标准python排序最大化元组分数的行，因此

（9,0,0）>（8,8,8）>（0,0100）

。这在全局最大值的情况下有效；这需要按组进行。是否需要相应列中的数据？否则，

df.groupby（'id'）.score.max（）

将按组获取最大值