您可以使用布尔掩码并使用transform将布尔掩码广播给组中的其他成员：

m = df.groupby('id_col')['rate'].transform(max).notna()
out = df[m]

注意：你有很多方法可以实现这一点，但很多都使用了groupby_transform。
输出：

>>> out
   id_col  rate
2       2   NaN
3       2   5.0
4       3   NaN
5       3   9.0

详情：

>>> pd.concat([df, m.rename('mask')], axis=1)
   id_col  rate   mask
0       1   NaN  False  # False because the max is null (NaN)
1       1   NaN  False
2       2   NaN   True  # True because the max is non null (5)
3       2   5.0   True
4       3   NaN   True  # True because the max is non null (9)
5       3   9.0   True

您可以使用first_valid_index和notna来创建布尔掩码，然后对 Dataframe 进行子集化。

df[df.groupby('id_col')['rate'].transform(pd.Series.first_valid_index).notna()]

输出：

id_col  rate
2       2   NaN
3       2   5.0
4       3   NaN
5       3   9.0