要按照每列的最大缺失观测数聚合数据框，可以使用pandas库中的isnull()和sum()函数。

以下是一个示例代码：

import pandas as pd

# 创建示例数据框
data = {'A': [1, 2, None, 4, None],
        'B': [None, 2, 3, None, 5],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

# 计算每列的缺失观测数
missing_count = df.isnull().sum()

# 找到最大缺失观测数
max_missing_count = missing_count.max()

# 按照最大缺失观测数过滤数据框
aggregated_df = df.loc[:, missing_count == max_missing_count]

print(aggregated_df)

输出结果：

     A    B
0  1.0  NaN
1  2.0  2.0
2  NaN  3.0
3  4.0  NaN
4  NaN  5.0

在这个示例中，我们首先创建了一个示例数据框df。然后使用isnull()函数计算了每列的缺失观测数，得到了一个包含每列缺失观测数的Series对象missing_count。接着，我们使用max()函数找到最大缺失观测数max_missing_count。最后，我们使用loc[]函数按照max_missing_count过滤数据框df，得到了聚合后的数据框aggregated_df。