（Pandas）是否有更快的方法来查找一行中所有值的索引，这些值等于 pandas 中该行中的最大值？

Question

我有一个带有多列浮点值的 pandas dataframe Cellvoltage。 我正在尝试获取等于每行最大值的所有值的索引。

因此，为了实现这一点，我使用以下代码：

req_indices = np.argwhere(Cellvoltage.values == np.amax(Cellvoltage.values, axis=1).reshape(-1,1))
max_voltage_idx = [0]*len(req_indices)
for x,y in req_indices:
    if max_voltage_idx[x] == 0:
        max_voltage_idx[x] = [y]
    else:
        max_voltage_idx[x].append(y)
Cellvoltage['max_voltage_idx']  = pd.Series(max_voltage_idx).apply(np.array)

是否有更好/更快的方法来实现相同的目标？

Answer 1

将df.eq(df.max(axis=1), axis=0)与where一起使用以屏蔽非最大值，然后stack以移除 NaN 并获取索引对。

out = df.where(df.eq(df.max(axis=1), axis=0)).stack().index.tolist()

输入示例：

   A  B  C  D
0  1  2  3  3
1  4  1  1  4

Output：

[(0, 'C'), (0, 'D'), (1, 'A'), (1, 'D')]

如果您只想将列表中的列作为新列，请添加groupby.agg步骤：

df['max_voltage_idx']= (df                  
   .where(df.eq(df.max(axis=1), axis=0)).stack()
   .reset_index(-1).iloc[:, 0]
   .groupby(level=0).agg(list)
 )

Output：

   A  B  C  D max_voltage_idx
0  1  2  3  3          [C, D]
1  4  1  1  4          [A, D]

Answer 2

另一种可能的解决方案：

indices = np.where(df.values == np.amax(df.values, axis=1)[:, None])
list(zip(indices[0], df.columns.values[indices[1]]))

Output：

[(0, 'C'), (0, 'D'), (1, 'A'), (1, 'D')]

输入：

同样的@mozway（我感谢他）使用：

   A  B  C  D
0  1  2  3  3
1  4  1  1  4