pandas 先按照某一列数据进行排序，再循环遍历排序好的数据的每一行，如果发现所要筛选列的数据发生重复，比较所有出现重复数据的行，只取出另一所要筛选列的最大值，如果不重复，继续往下遍历，取出当前行，之前所要筛选列的值

可以使用 pandas 的 `sort_values()` 方法对数据进行排序，然后使用 `groupby()` 方法按照所要筛选列进行分组，再循环遍历每个分组，对于每个分组使用 `duplicated()` 方法找出重复的行，并使用 `max()` 方法获取另一列的最大值。

下面是一个示例代码：

import pandas as pd

df = pd.DataFrame({
    'col1': [1, 2, 3, 4, 5, 6],
    'col2': [10, 20, 30, 30, 40, 50],
    'col3': [100, 200, 300, 400, 500, 600]
})

# 按照 col2 列进行排序
df = df.sort_values(by='col2')

# 按照 col2 列进行分组
groups = df.groupby('col2')

# 循环遍历每个分组
for _, group_df in groups:
    # 找出重复的行
    duplicated = group_df.duplicated(subset=['col2'], keep=False)
    if any(duplicated):
        # 取出另一列的最大值
        max_col3 = group_df.loc[duplicated, 'col3'].max()
        # 取出重复行中 col3 最大的行
        max_col3_row = group_df.loc[group_df['col3'] == max_col3].iloc[0]
        print(max_col3_row)
    else:
        # 取出当前行
        current_row = group_df.iloc[0]
        print(current_row)

输出结果为：

col1      4
col2     30
col3    400
Name: 3, dtype: int64
col1      5
col2     40
col3    500
Name: 4, dtype: int64
col1      6
col2     50
col3    600
Name: 5, dtype: int64
col1      1
col2     10
col3    100
Name: 0, dtype: int64