如何用Pandas为成绩DataFrame添加最优成绩及对应科目列？

问题背景 #

现有存储班级学生成绩的Pandas DataFrame，包含姓名列及English、French、History等科目成绩列，需新增三列：

• Best result：学生的最高成绩
• Best subject 1：第一个取得最高成绩的科目
• Best subject 2：第二个取得最高成绩的科目（若存在则填充，否则填None）

实现步骤与代码示例 #

1. 构造示例输入数据

先创建模拟的成绩DataFrame用于测试：

import pandas as pd
import numpy as np

data = {
    '姓名': ['张三', '李四', '王五'],
    'English': [85, 90, 95],
    'French': [90, 90, 95],
    'History': [85, 80, 95]
}
df = pd.DataFrame(data)

2. 计算最优成绩列

动态提取所有科目成绩列（排除姓名列），按行取最大值得到Best result：

# 动态获取所有科目列，无需硬编码科目名
subject_cols = df.columns.drop('姓名')
# 新增最优成绩列
df['Best result'] = df[subject_cols].max(axis=1)

3. 生成最优科目列

提供两种实现方式，分别适配不同规模的数据集：

方式一：apply方法（中小数据集友好，逻辑直观）

通过apply逐行筛选出等于最优成绩的科目，填充到对应列：

def extract_best_subjects(row):
    best_score = row['Best result']
    # 筛选出所有取得最优成绩的科目
    matched_subjects = [col for col in subject_cols if row[col] == best_score]
    # 保证返回两个元素，不足的补None
    return pd.Series(
        matched_subjects + [None]*(2 - len(matched_subjects)),
        index=['Best subject 1', 'Best subject 2']
    )

# 将结果合并到原DataFrame
df = pd.concat([df, df.apply(extract_best_subjects, axis=1)], axis=1)

方式二：矢量化方法（大数据集高效，避免apply开销）

利用Numpy广播和矩阵操作实现，性能更优：

# 将科目成绩转为数组
subject_values = df[subject_cols].values
# 将最优成绩转为列向量，用于广播比较
best_scores = df['Best result'].values[:, np.newaxis]
# 生成布尔矩阵，标记每个位置是否为最优成绩
is_best = subject_values == best_scores

# 获取每个行的最优科目索引，统一格式为每行2个元素
max_best_count = is_best.sum(axis=1).max()
best_indices = np.where(is_best)[1].reshape(-1, max_best_count)[:, :2]

# 转换为科目名称，缺失值填充None
best_subjects_df = pd.DataFrame(
    subject_cols[best_indices],
    columns=['Best subject 1', 'Best subject 2'],
    index=df.index
).fillna(None)

# 合并到原DataFrame
df = pd.concat([df, best_subjects_df], axis=1)

最终效果

处理后的DataFrame如下：

方法优势 #

• 动态适配科目列：无需硬编码科目名称，新增科目后代码无需修改
• 逻辑覆盖全面：自动处理1个、2个、多个最优科目的场景，不足时自动填充None
• 性能可选：中小数据集用直观的apply，大数据集用矢量化操作保证效率

内容的提问来源于stack exchange，提问作者cs34