Python升级后DataFrame循环代码出现IndexError：布尔数组维度不匹配问题求助

看起来你遇到的问题是升级Python后伴随的pandas版本更新，让维度匹配的校验变得更严格了。原代码里的错误根源很清晰：你用行索引df.index去索引一个和列数等长的布尔数组，两者维度完全不匹配，所以抛出了IndexError。

简洁单行解决方案（推荐） #

直接用apply配合lambda就能一行实现你的需求，完全替代原循环逻辑，还更易读：

last_peaks = df.apply(lambda row: row[row == row.max()].index.max(), axis=1)

代码解释：

• axis=1指定按行处理每一行数据
• row.max()获取当前行的最大值
• row[row == row.max()]筛选出当前行中等于最大值的所有元素
• .index.max()取这些元素对应的列索引的最大值

针对你的示例DataFrame，行a会返回7，完全符合预期。

高效替代方案（适合大数据集） #

如果你的DataFrame数据量很大，apply的逐行处理效率可能不够，可以用numpy实现更高效的批量处理：

import numpy as np
import pandas as pd

# 生成每行最大值的矩阵，用于和原数组比较
max_vals = df.max(axis=1).values[:, np.newaxis]
# 标记所有等于最大值的位置
is_max = df.values == max_vals
# 反转每行的布尔数组，找到最后一个最大值的位置并转换为原列索引
last_peaks = pd.Series(
    df.columns[np.argmax(is_max[:, ::-1], axis=1)],
    index=df.index
)

修复原循环代码（如果坚持用循环） #

如果你还是想保留循环的写法，只需要修正获取列索引的逻辑，确保用当前行的列索引而非整个DataFrame的行索引：

last_peaks = []
for idx in df.index: 
    row = df.loc[idx, :]
    maxValue = row.max()
    peaklist = row[row == maxValue].index.tolist()
    lastpeak = max(peaklist)
    last_peaks.append(lastpeak)

这里用df.loc[idx, :]取出指定行，然后通过row.index获取列索引，就不会出现维度不匹配的问题了。

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