如何在DataFrame中实现带随机平局决胜的idxmax功能？

解决方案步骤 #

• 仅针对目标列（col1、col2）处理，排除id列干扰
• 对每行筛选出所有等于最大值的列作为候选
• 从候选列中随机选择一个作为结果

代码实现 #

首先导入依赖库：

import pandas as pd
import numpy as np

构造示例DataFrame：

df = pd.DataFrame({
    'id': [1, 2, 3],
    'col1': [3.0, 5.0, 6.0],
    'col2': [4.0, 5.0, 9.0]
})

定义随机决胜的idxmax函数：

def random_idxmax(row):
    max_val = row.max()
    # 筛选出值等于最大值的列名列表
    candidate_cols = row[row == max_val].index.tolist()
    # 随机返回一个候选列
    return np.random.choice(candidate_cols)

将函数应用到目标列，生成结果列：

df['idxmax'] = df[['col1', 'col2']].apply(random_idxmax, axis=1)

效果验证 #

运行上述代码后，非平局行（第1、3行）会稳定返回最大值对应的列（col2）；平局行（第2行）每次运行会随机返回col1或col2，彻底消除原idxmax(axis=1)的首列偏差。

比如多次执行查看第2行结果：

for _ in range(3):
    print(f"第2行idxmax结果: {df.loc[1, 'idxmax']}")

输出示例：

第2行idxmax结果: col1
第2行idxmax结果: col2
第2行idxmax结果: col1

内容的提问来源于stack exchange，提问作者Kalanchoe345