本文介绍如何使用 DataFrame.idxmax(axis=1) 快速获取每行数值最大值对应的具体列名（如“Day 2”），而非数值本身，适用于时间序列、实验周期或多日指标分析等场景。
本文介绍如何使用 `dataframe.idxmax(axis=1)` 快速获取每行数值最大值对应的具体列名（如“day 2”），而非数值本身，适用于时间序列、实验周期或多日指标分析等场景。
在 Pandas 数据分析中，我们常需定位每行中最大值出现的位置——例如判断某辆车在哪一天销量最高、某次实验在哪一时刻响应最强。此时，df.max(axis=1) 只能返回最大值，而真正需要的是列名标签（即“何时”发生）。解决方案是使用 .idxmax(axis=1) 方法：它沿行方向（axis=1）扫描指定列，对每行返回首个达到最大值的列名（若存在并列最大值，则默认返回最左侧匹配列）。
以下为完整实现示例：
import pandas as pd
# 构造示例数据
data = {
'Car': ['Car1', 'Car2'],
'Day 1': [4, 8],
'Day 2': [7, 2],
'Day 4': [3, 1]
}
df = pd.DataFrame(data)
# 方案一：不设索引，直接操作（推荐，更直观）
df['When'] = df[['Day 1', 'Day 2', 'Day 4']].idxmax(axis=1)
# 方案二：若已将 'Car' 设为索引（如原答案所示）
# df = df.set_index('Car')
# df['When'] = df.idxmax(axis=1)
print(df)
输出结果：
Car Day 1 Day 2 Day 4 When 0 Car1 4 7 3 Day 2 1 Car2 8 2 1 Day 1
✅ 关键要点说明：
-
idxmax()作用于 DataFrame 子集（如df[['Day 1','Day 2','Day 4']]）时，会自动在所选列范围内搜索，无需提前设置索引； - 若原始数据含非数值列（如字符串、空值），务必先筛选出数值列，否则会报错；
- 遇到缺失值（
NaN）时，idxmax()默认跳过（skipna=True），若整行全为NaN，则返回NaN；可通过df.idxmax(axis=1, skipna=False)显式控制； - 若需处理并列最大值并返回所有列名（而非仅第一个），应改用
apply()+lambda结合布尔索引，例如：df['All_Max_Cols'] = df[['Day 1','Day 2','Day 4']].apply( lambda row: list(row[row == row.max()].index), axis=1 )
掌握 idxmax(axis=1) 是 Pandas 行级元信息提取的基础技能，高效、简洁且可读性强，建议优先用于“定位最大值归属列”的常规任务。
