如何获取DataFrame最大值及对应列名、索引与Name列值？

先明确我们的初始数据和需求：

初始DataFrame #

我们有如下结构的DataFrame：

import pandas as pd

df = pd.DataFrame(dict(
    Name=['Jason_Fly','Alan_Smith','Steve_Rowland'], 
    Col1=[1,2,3], 
    Col2=[1,3,9],
    Col3=[5,6,8]
))

对应的表格展示：

需求说明 #

我们需要完成：

• 提取DataFrame中的最大值
• 获取该最大值对应的列名
• 获取最大值所在的行索引，以及该行Name列的对应值

实现代码 #

这里用stack()方法简化位置定位，代码如下：

import pandas as pd

# 初始化DataFrame
df = pd.DataFrame(dict(
    Name=['Jason_Fly','Alan_Smith','Steve_Rowland'], 
    Col1=[1,2,3], 
    Col2=[1,3,9],
    Col3=[5,6,8]
))

# 将DataFrame堆叠为多层索引Series，每个值绑定(行索引, 列名)的位置
stacked_df = df.stack()

# 获取最大值和它的位置信息
max_value = stacked_df.max()
max_row_idx, max_col_name = stacked_df.idxmax()

# 提取对应行的Name值
corresponding_name = df.loc[max_row_idx, 'Name']

# 按预期格式输出结果
print(f"Maximum : {max_value}")
print(f"Corresponding column : {max_col_name}")
print(f"Corresponding index : {max_row_idx} | Corresponding value in column Name : {corresponding_name}")

代码解释 #

• df.stack()：把原DataFrame的列转换为内层索引，让每个数值都关联它的行索引和列名，方便精准定位最大值的位置。
• stacked_df.idxmax()：返回最大值所在的多层索引，第一个元素是行索引，第二个是列名。
• df.loc[max_row_idx, 'Name']：通过行索引直接提取对应行的Name列值。
• 最后用f-string格式化输出，完全匹配你想要的结果样式。

输出结果 #

运行代码后会得到：

Maximum : 9
Corresponding column : Col2
Corresponding index : 2 | Corresponding value in column Name : Steve_Rowland

扩展：处理多个最大值的情况 #

如果你的DataFrame存在多个相同的最大值，上面的代码只会返回第一个出现的。如果需要输出所有最大值的信息，可以调整为：

# 获取所有最大值的位置
all_max_locations = stacked_df[stacked_df == stacked_df.max()].index

# 遍历输出每个最大值的信息
for idx, col in all_max_locations:
    name_val = df.loc[idx, 'Name']
    print(f"Maximum : {stacked_df.max()}")
    print(f"Corresponding column : {col}")
    print(f"Corresponding index : {idx} | Corresponding value in column Name : {name_val}\n")

内容的提问来源于stack exchange，提问作者Ewdlam