Python Pandas Groupby-如果多行超过另一列中的值，则选择一列中值最高的行

此操作按两列对我的数据帧进行分组，然后返回

ColumnC

中值最高的行：

df2 = df.loc[df.groupby(['columnA', 'columnB'], sort=False)['columnC'].idxmax()]

相反，对于每组中

ColumnC>100

的所有行，我希望取

ColumnD

中值最高的行

我该怎么做

编辑：

---

下面@Code Different的注释基本上就是我要寻找的，但我不想排除没有任何行具有ColumnC>100的组，在这些情况下，我希望在ColumnC中具有最高值的行，如上面的示例所示

通常我们将数据分成两部分，然后根据条件过滤它们

df=sort_values('columnD')

df1 = df[df['columnC'] > 100]].drop_duplicates(['columnA', 'columnB'],keep='last')
df2 = df.drop_duplicates(['columnA', 'columnB'],keep='last')

Yourdf=pd.concat([df1,df2]).drop_duplicates(['columnA', 'columnB'])

---

idx=df[df['columnC']>100].groupby（['columnA'，'columnB']）['columnD'].idxmax（）；df.loc[idx]

？这与我正在寻找的非常接近，但我不想排除任何行都没有

ColumnC>100

的组，我相信您的解决方案是这样的。那么您希望为这些组输出什么，n/a？好问题，抱歉，不清楚-在这种情况下，只需返回

ColumnC

中具有最大值的行。这将返回与此行相同的df

df2=df.loc[df.groupby（['columnA'，'columnB']，sort=False）['ColumnC'].idxmax（）]