这个问题可以使用Python中的pandas库来解决。下面是一个示例代码：

import pandas as pd

# 创建一个示例数据集
data = {'Group': ['A', 'A', 'B', 'B', 'C', 'C'],
        'Value': [1, 2, 3, 4, 5, 6],
        'Other_Column': [7, 8, 9, 10, 11, 12]}
df = pd.DataFrame(data)

# 按Group列进行分组，并找到Value列中的最大值所在的列
max_value_cols = df.groupby('Group')['Value'].idxmax()

# 打印结果
print(max_value_cols)

输出结果为：

Group
A    1
B    3
C    5
Name: Value, dtype: int64

上述代码中，首先创建了一个示例数据集df，其中包含了Group、Value和Other_Column三列。然后使用groupby方法按Group列进行分组，并使用Value列的idxmax方法找到每个分组中Value列的最大值所在的行的索引。最后，打印出结果。

注意，idxmax方法返回的是最大值所在的行的索引，而不是最大值本身。如果需要找出最大值本身，可以将代码修改为max_values = df.groupby('Group')['Value'].max()。