如何在Pandas中获取每行最大值及其之前列的最小值？

输入DataFrame：

ab  bc  cd  ef  eh  ij
0   1   2  12   4   6   7
1   4   5   6   1  10   4
2   5   6   9   1   2   4
3  12   1   3   1   2   4

预期输出：

ab  bc  cd  ef  eh  ij  Max  MinBefore
0   1   2  12   4   6   7   12        1.0
1   4   5   6   1  10   4   10        1.0
2   5   6   9   1   2   4    9        5.0
3  12   1   3   1   2   4   12       12.0

你的尝试代码存在几个明显问题：

• 原DataFrame仅包含6列，代码中使用iloc[:,13:...]的索引范围完全错误
• 需求是计算最小值，但代码误用了idxmax（该方法返回最大值对应的列名）
• 未正确关联每行最大值所在的列索引，逻辑无法匹配需求

正确实现步骤 #

1. 计算每行的最大值，新增Max列
2. 获取每行最大值对应的列索引位置
3. 对每行截取最大值列之前的所有列，计算最小值并新增MinBefore列

完整代码 #

import pandas as pd

# 构造输入DataFrame
df = pd.DataFrame({
    'ab': [1,4,5,12],
    'bc': [2,5,6,1],
    'cd': [12,6,9,3],
    'ef': [4,1,1,1],
    'eh': [6,10,2,2],
    'ij': [7,4,4,4]
})

# 新增每行最大值列
df['Max'] = df.max(axis=1)

# 获取每行最大值对应的列索引
max_col_indices = df.idxmax(axis=1).apply(lambda x: df.columns.get_loc(x))

# 计算最大值列之前所有列的最小值
df['MinBefore'] = [
    df.iloc[i, :idx].min() if idx > 0 else df.iloc[i, idx] 
    for i, idx in enumerate(max_col_indices)
]

print(df)

代码说明 #

• df.max(axis=1)：按行维度直接计算最大值，生成Max列
• df.idxmax(axis=1)：获取每行最大值对应的列名，再通过df.columns.get_loc(x)将列名转换为索引位置
• 列表推导式遍历每行：若最大值在第0列（索引0），则最小值为该列自身；否则截取[:idx]范围的列，计算最小值

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