单行DataFrame与多行DataFrame逐元素比较，如何筛选符合条件的列号？

我来帮你解决这个问题——你的思路方向是对的，但问题出在np.where的返回值结构和apply的处理方式上，咱们一步步来修正：

为什么你的代码会得到空DataFrame？ #

当你执行df.apply(lambda x : np.where(x < thresh_df.values))时：

• thresh_df.values是二维数组（形状(1,200)），而x是一维Series，虽然比较能正常触发广播，但np.where返回的是一个包含两个数组的元组：第一个是布尔矩阵中True的行索引（在x的上下文里全是0，因为x是单行），第二个才是我们需要的列索引。
• apply会把每个lambda的返回值（也就是这个元组）当成新行的元素，但元组的结构和DataFrame的行列匹配逻辑冲突，最终导致生成的结果看起来是空的。

正确的解决方案 #

我们直接利用pandas/numpy的矢量化特性，高效获取每行中小于对应阈值的列号，这里提供两种实用方法：

方法1：基于pandas的mask筛选（易读性高）

import pandas as pd
import numpy as np

# 先把阈值转成一维数组/Series，方便广播匹配
thresh_series = thresh_df.iloc[0]

# 生成布尔矩阵：每个元素标记是否小于对应列的阈值
mask = df < thresh_series

# 对每行筛选出值为True的列名（或列号），转成列表
result = mask.apply(lambda row: row[row].index.tolist(), axis=1)

result会是一个Series，每个元素对应df中一行的符合条件的列名列表；如果需要列号（整数索引），把row[row].index换成row[row].index.to_list()或者直接用np.where(row)[0].tolist()。

方法2：基于numpy的矢量化操作（性能更优，适合大数据集）

如果你的df行数很多（比如1000行以上），用numpy的原生操作会更快：

# 把阈值转成一维数组
thresh_array = thresh_df.values.flatten()

# 获取所有符合条件的元素的行、列索引
row_indices, col_indices = np.where(df.values < thresh_array)

# 按行分组，整理出每行对应的列号
result = pd.Series([col_indices[row_indices == i].tolist() for i in range(df.shape[0])])

测试示例 #

用小数据验证效果：

# 构造测试数据
df = pd.DataFrame([[1,3,5], [2,4,6], [0,2,4]], columns=['A','B','C'])
thresh_df = pd.DataFrame([[2,3,5]], columns=['A','B','C'])

# 用方法1执行
thresh_series = thresh_df.iloc[0]
mask = df < thresh_series
result = mask.apply(lambda row: row[row].index.tolist(), axis=1)

print(result)
# 输出：
# 0        [A]
# 1     [A, B]
# 2    [A, B, C]
# dtype: object

内容的提问来源于stack exchange，提问作者Fasty