Pandas中是否有更快的方法获取每行最大值的全部索引？

云上老周

2026-8-2

更高效的实现方法

你的需求是获取每行中等于最大值的所有列索引，原代码的循环逻辑在数据量较大时效率偏低，以下是几种更简洁且高效的实现方式：

方法1：Pandas apply 直观实现

利用apply逐行处理，结合布尔索引筛选出等于最大值的列索引，代码简洁易读：

Cellvoltage['max_voltage_idx'] = Cellvoltage.apply(
    lambda row: row[row == row.max()].index.values,
    axis=1
)

适合中小规模数据集，逻辑清晰易懂。

方法2：纯NumPy向量化操作

完全基于NumPy的向量化运算，避免Python循环，在大数据量下性能最优：

# 计算每行的最大值（保持维度以便广播比较）
max_vals = Cellvoltage.values.max(axis=1, keepdims=True)
# 生成每行等于最大值的布尔掩码
mask = Cellvoltage.values == max_vals
# 获取所有符合条件的行、列索引
rows, cols = np.where(mask)
# 按行分组整理索引
from itertools import groupby
from operator import itemgetter

max_indices = []
for _, group in groupby(zip(rows, cols), key=itemgetter(0)):
    max_indices.append(np.array([col for _, col in group]))

Cellvoltage['max_voltage_idx'] = max_indices

方法3：Pandas stack 原生操作

利用Pandas的stack和分组功能，更贴合Pandas的操作习惯：

# 生成每行等于最大值的布尔DataFrame
mask = Cellvoltage.eq(Cellvoltage.max(axis=1), axis=0)
# 堆叠后分组提取列索引
Cellvoltage['max_voltage_idx'] = (
    mask.stack()
    .reset_index(level=1)
    .groupby(level=0)['level_1']
    .apply(np.array)
)

这种方法无需额外导入库，完全用Pandas原生API实现，可读性和性能都不错。