Python 从多个分组数据中获取最大值

我在一个循环中，它给我一个groupby输出，如下所示

df.groupby（['grp1'，'grp2']）['mycol'].sum（）

基本上，我得到的是分组元素的总和

grp1  grp2 
A     1    10 
B     1    20
C     2    30 
D     3    40 
E     4    50 
      1    60 

现在在下一次迭代中，我可能会得到一个分组的df，如下所示

grp1  grp2 
A     1    20 
D     3    40 
E     4    30 
      1    90 
F     1    40

我想从每次迭代中获取

max

。 所以在第二次迭代之后，我有一个如下的输出

grp1  grp2 
A     1    20 #because 20 was higher than 10
B     1    20 #carried as it is
C     2    30 #carried as it is
D     3    40 #carried as it is (both were equal)
E     4    30 #because 90+30 >50+60
      1    90 
F     1    40 #added

所以到最后，我知道哪一组在5次迭代中达到了峰值。 这听起来很直截了当（到目前为止一直跟踪max seen），但我不知道如何处理这个问题。

---

我尝试了

df.groupby（['grp1'，'grp2']）['mycol'].sum（）.to_dict（）。（只是一个尝试，不知道如何保持dict更新）或者可能有一个简单的
熊猫和np
解决方案，我仍然不知道
 您可以再次使用groupby！：-）

连接结果（）
按索引（）分组
使用
.max（）
代码中显示：

res = pd.concat(list_of_iteration_results)
res = res.groupby(level=['grp1', 'grp2']).max()

谢谢，但是
max
是如何知道它必须添加然后进行比较的？我不确定我是否理解您的后续问题：-）如果您在连接后检查
res
，您应该会看到每个索引组合都可以出现很多次，例如[（A，1），（B，1），（A，1），（A，1），…]。这是我们用
级别
分组的内容，然后
max
从每个组中取最大值。这回答了你的问题吗，@pythonRcpp？是的，我认为
level
正在做我所担心的事情。谢谢，我会接受答案，一旦我运行我的样本数据。回答得真不错。。谢谢你的帮助：）