如何用iloc/loc为Pandas DataFrame添加每行最大值及对应列名（替代弃用ix）

问题背景 #

之前用已弃用的ix方法实现给DataFrame添加每行最大值及对应列名的功能，改用iloc或loc时触发报错：

IndexError: boolean index did not match indexed array along dimension 0; dimension is 3 but corresponding boolean dimension is 5

样例输入DataFrame：

a  b  c  maxval
0  1  0  0       1
1  0  0  0       0
2  0  1  0       1
3  1  0  0       1
4  3  1  0       3

期望输出：

a  b  c  maxval maxcol
0  1  0  0       1      a
1  0  0  0       0  a,b,c
2  0  1  0       1      b
3  1  0  0       1      a
4  3  1  0       3      a

报错原因 #

这个错误是因为计算时没有排除maxval列，导致布尔索引的维度（包含4列的整个DataFrame）和目标计算列（仅a、b、c三列）不匹配，引发维度兼容问题。

解决方案 #

只需针对a、b、c三列计算，避开maxval列即可，提供两种实现方式：

方式1：apply逐行处理

import pandas as pd

# 构建样例数据
df = pd.DataFrame({
    'a': [1, 0, 0, 1, 3],
    'b': [0, 0, 1, 0, 1],
    'c': [0, 0, 0, 0, 0],
    'maxval': [1, 0, 1, 1, 3]
})

# 指定需要计算的目标列
target_cols = ['a', 'b', 'c']

# 逐行找出等于maxval的列名并拼接
df['maxcol'] = df.apply(
    lambda row: ','.join([col for col in target_cols if row[col] == row['maxval']]),
    axis=1
)

方式2：向量化处理（更高效）

import pandas as pd

df = pd.DataFrame({
    'a': [1, 0, 0, 1, 3],
    'b': [0, 0, 1, 0, 1],
    'c': [0, 0, 0, 0, 0],
    'maxval': [1, 0, 1, 1, 3]
})

target_cols = ['a', 'b', 'c']
# 生成布尔矩阵，标记每行中值等于maxval的位置
bool_matrix = df[target_cols].eq(df['maxval'], axis=0)
# 提取每行中布尔值为True的列名并拼接
df['maxcol'] = bool_matrix.apply(lambda x: ','.join(x.index[x]), axis=1)

两种方式运行后都能得到期望输出，核心是通过target_cols明确限定计算范围，避免包含maxval列导致维度不匹配，完美替代原有的ix方法。

内容的提问来源于stack exchange，提问作者vestland