假设有两个 DataFrame，df1 和 df2，如下所示：

import pandas as pd

data1 = {'ID': [1, 1, 2, 2], 'Value1': [10, 20, 30, 40]}
data2 = {'ID': [1, 2, 2], 'Value2': [15, 25, 35]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

print(df1)
print(df2)

输出结果如下：

   ID  Value1
0   1      10
1   1      20
2   2      30
3   2      40

   ID  Value2
0   1      15
1   2      25
2   2      35

现在我们需要比较 df1 和 df2，找到每个组 ID 的 Value1 和 Value2 的最大值。

import numpy as np

# 按 ID 进行分组并找到每个组的最大值
grouped1 = df1.groupby('ID')['Value1'].max()
grouped2 = df2.groupby('ID')['Value2'].max()

# 将两个 Series 转换为 DataFrame
result = pd.concat([grouped1, grouped2], axis=1).reset_index()

# 对 NaN 值进行替换
result['Value1'].fillna(result['Value2'], inplace=True)
result['Value2'].fillna(result['Value1'], inplace=True)

# 将列名修改为更具描述性的名称
result.columns = ['ID', 'Max_Value1', 'Max_Value2']

print(result)

输出结果如下：

   ID  Max_Value1  Max_Value2
0   1          20          15
1   2          40          35

现在我们已经找到了每个组的最大值，可以根据需要进行比较或其他操作。