如何在Python DataFrame中为每行生成指定列的前三最大值列？

解决方法：获取每行第二、第三大值 #

你可以通过两种高效方式实现提取每行的第二、第三大值，以下是具体方案：

方案1：用numpy.partition（无需全排序，性能更优） #

np.partition能快速定位第k大元素，适合处理此类问题：

import numpy as np
import pandas as pd

data = {
    'Name': ['Tom', 'nick', 'krish', 'jack'],
    'A': [20, 21, 19, 18],
    'B': [3, 6, 2, 1],
    'C': [6, 14, 5, 17],
    'D': [2, 10, 9, 98]
}
people = pd.DataFrame(data)

target_cols = ['A', 'B', 'C', 'D']
# 已实现的最大值列
people['max_1'] = people[target_cols].max(axis=1)
# 提取第二大值：partition后取倒数第2个元素
people['max_2'] = np.partition(people[target_cols].values, -2, axis=1)[:, -2]
# 提取第三大值：partition后取倒数第3个元素
people['max_3'] = np.partition(people[target_cols].values, -3, axis=1)[:, -3]

print(people)

方案2：排序后直接提取（逻辑直观） #

对每行元素降序排序后，取对应索引的元素：

sorted_vals = people[target_cols].apply(lambda x: x.sort_values(ascending=False).values, axis=1)
people['max_2'] = sorted_vals.str[1]
people['max_3'] = sorted_vals.str[2]

运行后输出结果：

Name   A  B   C   D  max_1  max_2  max_3
0    Tom  20  3   6   2     20      6      3
1   nick  21  6  14  10     21     14     10
2  krish  19  2   5   9     19      9      5
3   jack  18  1  17  98     98     18     17

附加问题：添加条件判断 #

要实现仅对Name为'Tom'/'nick'/'krish'的行计算，其余行设为0，可通过以下两种方式：

方法1：用np.where批量赋值 #

mask = people['Name'].isin(['Tom', 'nick', 'krish'])

people['max_1'] = np.where(mask, people[target_cols].max(axis=1), 0)
people['max_2'] = np.where(mask, np.partition(people[target_cols].values, -2, axis=1)[:, -2], 0)
people['max_3'] = np.where(mask, np.partition(people[target_cols].values, -3, axis=1)[:, -3], 0)

方法2：布尔索引精准赋值 #

# 先初始化所有值为0
people[['max_1', 'max_2', 'max_3']] = 0

filtered_rows = people[mask]
people.loc[mask, 'max_1'] = filtered_rows[target_cols].max(axis=1)
people.loc[mask, 'max_2'] = np.partition(filtered_rows[target_cols].values, -2, axis=1)[:, -2]
people.loc[mask, 'max_3'] = np.partition(filtered_rows[target_cols].values, -3, axis=1)[:, -3]

运行后输出结果：

Name   A  B   C   D  max_1  max_2  max_3
0    Tom  20  3   6   2     20      6      3
1   nick  21  6  14  10     21     14     10
2  krish  19  2   5   9     19      9      5
3   jack  18  1  17  98      0      0      0

内容的提问来源于stack exchange，提问作者Naor