假设我们有一个产品销售的数据表格，包含了产品ID、季度和价格。我们可以使用Python来解决这个问题。

首先，我们需要导入所需的库和模块：

import pandas as pd

然后，我们可以读取数据表格并将其转换为Pandas的DataFrame对象：

df = pd.read_csv('sales_data.csv')

接下来，我们可以按季度和价格对数据进行分组，并计算每个组的销售数量：

grouped = df.groupby(['季度', '价格组'])['产品ID'].count().reset_index()

然后，我们可以找到每个季度中销售数量最多的价格组：

best_selling = grouped.groupby('季度')['产品ID'].idxmax()

最后，我们可以使用最畅销的价格组来获取最畅销的产品ID：

result = grouped.loc[best_selling, ['季度', '价格组', '产品ID']]

这样，我们就可以得到按季度和价格组选择最畅销的产品ID的结果。

完整的代码示例如下：

import pandas as pd

# 读取数据表格
df = pd.read_csv('sales_data.csv')

# 按季度和价格组进行分组并计算销售数量
grouped = df.groupby(['季度', '价格组'])['产品ID'].count().reset_index()

# 找到每个季度中销售数量最多的价格组
best_selling = grouped.groupby('季度')['产品ID'].idxmax()

# 获取最畅销的产品ID
result = grouped.loc[best_selling, ['季度', '价格组', '产品ID']]

print(result)

请注意，代码示例中的文件名为'sales_data.csv'，你需要将其替换为你实际数据文件的文件名。此外，代码示例假设数据表格中的列名称为'季度'、'价格组'和'产品ID'，你需要根据实际情况进行调整。