如何在Python中快速查找DataFrame中每一行的最大值及其列名？-Python教程-PHP中文网

可同时用 df.max(axis=1) 和 df.idxmax(axis=1) 获取每行最大值及对应列名，二者天然对齐；默认跳过 nan，但全 nan 行会导致 idxmax 报错，需用自定义函数或预过滤处理。

如何在python中快速查找dataframe中每一行的最大值及其列名？

用 `idxmax` 和 `max` 一次性拿到列名和值

直接调 df.max(axis=1) 只能拿到每行最大值，df.idxmax(axis=1) 只能拿到对应列名。但这两个结果天然对齐，可以一起用：

result = pd.DataFrame({
    'max_value': df.max(axis=1),
    'max_column': df.idxmax(axis=1)
})

注意：如果某行有多个相同最大值，idxmax 默认返回第一个匹配列名（按列顺序），不会报错也不会警告。

遇到 `NaN` 怎么办？默认行为可能出人意料

max 和 idxmax 默认会跳过 NaN（skipna=True），但如果整行全是 NaN，max 返回 nan，idxmax 报 ValueError: attempt to get argmax of an empty sequence。解决办法是显式加 skipna=False 并捕获异常，或提前用 df.dropna(how='all') 过滤——但更稳妥的是用 apply + 自定义函数：

Shadows Python Sensei

Python 最佳实践助手——代码规范、设计模式、性能优化、测试与类型注解。适用于编写或审查 Python 代码。

下载

def safe_row_max(row):
    non_null = row.dropna()
    if len(non_null) == 0:
        return pd.Series({'max_value': np.nan, 'max_column': None})
    idx = non_null.idxmax()
    return pd.Series({'max_value': non_null[idx], 'max_column': idx})

result = df.apply(safe_row_max, axis=1)

性能差异：`apply` 比向量化慢得多，别无脑用

上面的 apply 写法可读性强、容错好，但实测在万行量级 DataFrame 上比纯向量化慢 5–10 倍。如果确认数据不含全 NaN 行，优先用第一种方法；如果必须处理脏数据且性能敏感，先用 df.notna().any(axis=1) 掩码过滤再批量计算，比逐行 apply 快得多。idxmax 对 category 类型列支持有限，遇到会自动转为 object，列名类型可能意外变化。

列名含空格或特殊字符时，`idxmax` 返回的就是原始字符串

不用额外处理，idxmax 返回的列名就是你在 df.columns 里定义的原样字符串，包括空格、点号、中文等。但要注意：如果后续要用这个列名做索引（比如 df.loc[row, col_name]），确保没拼错——尤其当列名是数字字符串（如 '2023'）时，别误以为是整数索引。