Polars сохраняет наибольшую ценность, используя 2 категории

Невероятное и уникальное можно объединить в group_by

• .arg_max() может дать вам индекс максимума
• .get() извлечет соответствующие значения по этому индексу

(df.group_by("ID", "Action")
   .agg(
      pl.all().get(pl.col("Value").arg_max())
   )
)

shape: (3, 4)
┌─────┬────────┬────────┬───────┐
│ ID  ┆ Action ┆ Where  ┆ Value │
│ --- ┆ ---    ┆ ---    ┆ ---   │
│ i64 ┆ str    ┆ str    ┆ i64   │
╞═════╪════════╪════════╪═══════╡
│ 1   ┆ A      ┆ Home   ┆ 2     │
│ 2   ┆ B      ┆ Office ┆ 4     │
│ 3   ┆ A      ┆ Home   ┆ 6     │
└─────┴────────┴────────┴───────┘

Чтобы легко это сделать, вы можете использовать следующую встроенную функцию в полярах.

with_columns: это предоставляет вам информацию на основе col (значения) для взятых как ID, так и Action.

сортировка: сортировка просто по убыванию

уникальный: позволяет удалить все дубликаты.

import polars as pl

data = {
    "ID": [1, 1, 2, 2, 3, 3],
    "Action": ["A", "A", "B", "B", "A", "A"],
    "Where": ["Office", "Home", "Home", "Office", "Home", "Home"],
    "Value": [1, 2, 3, 4, 5, 6]
}

df = pl.DataFrame(data)

result = (
    df
    .with_columns(
        TOP=pl.col("Value").max().over(["ID", "Action"])
    )
    .sort(by = "TOP", descending=True)
    .unique(subset=["ID", "Action"], maintain_order=True, keep = "first")
)

print(result)

shape: (3, 5)
┌─────┬────────┬────────┬───────┬─────┐
│ ID  ┆ Action ┆ Where  ┆ Value ┆ TOP │
│ --- ┆ ---    ┆ ---    ┆ ---   ┆ --- │
│ i64 ┆ str    ┆ str    ┆ i64   ┆ i64 │
╞═════╪════════╪════════╪═══════╪═════╡
│ 3   ┆ A      ┆ Home   ┆ 5     ┆ 6   │
│ 2   ┆ B      ┆ Home   ┆ 3     ┆ 4   │
│ 1   ┆ A      ┆ Office ┆ 1     ┆ 2   │
└─────┴────────┴────────┴───────┴─────┘

В качестве альтернативы вы можете использовать groupby и filter, что исключает использование уникальных символов, даже если они звучат одинаково.

result = (
    df.group_by(["ID", "Action"]).agg(
        [
            pl.col("Value").max().alias("TOP"),
            pl.col("Where")
            .filter(pl.col("Value") == pl.col("Value").max())
            .first()
            .alias("Where"),
        ]
    )
    .sort("TOP", descending=True)
)

еще один результат:

shape: (3, 4)
┌─────┬────────┬─────┬────────┐
│ ID  ┆ Action ┆ TOP ┆ Where  │
│ --- ┆ ---    ┆ --- ┆ ---    │
│ i64 ┆ str    ┆ i64 ┆ str    │
╞═════╪════════╪═════╪════════╡
│ 3   ┆ A      ┆ 6   ┆ Home   │
│ 2   ┆ B      ┆ 4   ┆ Office │
│ 1   ┆ A      ┆ 2   ┆ Home   │
└─────┴────────┴─────┴────────┘

Другой способ сделать это — поставить over в filter, а затем rename.

(
    df
    .filter(pl.col("Value")==pl.col("Value").max().over('ID'))
    .rename({"Value":"TOP"})
)
shape: (3, 4)
┌─────┬────────┬────────┬─────┐
│ ID  ┆ Action ┆ Where  ┆ TOP │
│ --- ┆ ---    ┆ ---    ┆ --- │
│ i64 ┆ str    ┆ str    ┆ i64 │
╞═════╪════════╪════════╪═════╡
│ 1   ┆ A      ┆ Home   ┆ 2   │
│ 2   ┆ B      ┆ Office ┆ 4   │
│ 3   ┆ A      ┆ Home   ┆ 6   │
└─────┴────────┴────────┴─────┘

Другой подход — использовать pl.Expr.top_k_by.

В контексте select (используя pl.Expr.over).

(
    df
    .select(
        pl.all().top_k_by("Value", k=1).over("ID", "Action", mapping_strategy = "explode")
    )
)

В контексте group_by/agg (нужен дополнительный мн.выражение.первый).

(
    df
    .group_by("ID", "Action")
    .agg(
        pl.all().top_k_by("Value", k=1).first()
    )
)

Выход.

shape: (3, 4)
┌─────┬────────┬────────┬───────┐
│ ID  ┆ Action ┆ Where  ┆ Value │
│ --- ┆ ---    ┆ ---    ┆ ---   │
│ i64 ┆ str    ┆ str    ┆ i64   │
╞═════╪════════╪════════╪═══════╡
│ 1   ┆ A      ┆ Home   ┆ 2     │
│ 2   ┆ B      ┆ Office ┆ 4     │
│ 3   ┆ A      ┆ Home   ┆ 6     │
└─────┴────────┴────────┴───────┘