如何定位Highest_Returns值对应的来源列？Python pandas求助

我已经用PortReturns["Highest_Returns"] = PortReturns.max(axis=1)算出每日10只股票的最高收益，现在需要识别Highest_Returns列中每个值对应的来源列，把列标签填充到Highest_Returns_Ticker列。

现有数据示例：

Date  Returns_Apple  ... Returns_UL Highest_Returns  Highest_Returns_Ticker

0     2013-02-25            NaN  ...       NaN             NaN                   Input
1     2013-02-26       0.013934  ... -0.005093        0.013934                   Input
...          ...            ...  ...       ...             ...                     ...
[2519 rows x 12 columns]

预期结果：

Date  Returns_Apple  ... Returns_UL Highest_Returns  Highest_Returns_Ticker

0     2013-02-25            NaN  ...       NaN             NaN                      NaN
1     2013-02-26       0.013934  ... -0.005093        0.013934            Returns_Apple
...          ...            ...  ...       ...             ...                     ...
[2519 rows x 12 columns]

我推测需要写函数匹配Highest_Returns值和对应列并返回列标签，作为Python新手，求帮助和解释。

解决方案 #

不用自定义函数，Pandas内置的idxmax()方法就能直接解决问题，步骤如下：

1. 筛选股票收益列 #

先明确哪些列是股票收益数据（比如Returns_Apple这类），排除Date、Highest_Returns等无关列：

# 筛选所有以"Returns_"开头的列
return_cols = PortReturns.columns[PortReturns.columns.str.startswith("Returns_")]

2. 填充对应列名到目标列 #

用idxmax(axis=1)按行查找最大值所在的列标签，直接赋值给Highest_Returns_Ticker：

PortReturns["Highest_Returns_Ticker"] = PortReturns[return_cols].idxmax(axis=1)

3. 自动处理NaN值 #

如果某一行所有收益列都是NaN（比如示例第0行），idxmax()会自动返回NaN，正好符合预期的空值效果，无需额外处理。

完整代码 #

# 筛选收益列
return_cols = PortReturns.columns[PortReturns.columns.str.startswith("Returns_")]
# 计算每日最高收益（已计算过可跳过此行）
PortReturns["Highest_Returns"] = PortReturns[return_cols].max(axis=1)
# 填充对应股票列名
PortReturns["Highest_Returns_Ticker"] = PortReturns[return_cols].idxmax(axis=1)

代码说明 #

• str.startswith("Returns_")：精准定位所有股票收益列，避免误操作其他列
• idxmax(axis=1)：按行维度查找最大值对应的列标签，直接返回列名，省去手动匹配的麻烦
• Pandas内置方法经过优化，处理2500多行数据效率很高，不用写循环或复杂逻辑

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