如何利用另一DataFrame的列最大值索引提取pandas DataFrame值？

你当前使用df1.loc[df2.idxmax()]得到整行数据，是因为loc是按行索引提取整行，而你需要的是每一列对应df2同列最大值所在行的单个值（即行列一一匹配的精准取值）。以下是几种可行的实现方法：

方法1：用DataFrame.lookup（最直接的行列匹配） #

lookup方法可以接收行索引数组和列索引数组，直接返回对应交叉位置的元素。df2.idxmax()的值是行索引，索引是列名，刚好符合参数要求：

result = df1.lookup(df2.idxmax().values, df2.idxmax().index)
print(result)  # 输出: [3 2 1 -1]

方法2：按列遍历匹配 #

通过apply对每一列单独处理，提取对应df2列最大值行的数值：

result = df1.apply(lambda col: col[df2[col.name].idxmax()], axis=0).tolist()
print(result)  # 输出: [3, 2, 1, -1]

方法3：用numpy底层索引（大数据量下更高效） #

利用numpy的数组索引直接定位，适合处理大规模数据：

import numpy as np
# 获取df2每列最大值的行位置（0/1/2对应索引A/B/C）
row_indices = df2.values.argmax(axis=0)
# 生成列位置数组（0到3对应列a/b/c/d）
col_indices = np.arange(df1.shape[1])
# 提取对应位置的值
result = df1.values[row_indices, col_indices]
print(result)  # 输出: [3 2 1 -1]

原方法失效原因 #

df1.loc[df2.idxmax()]会将idxmax返回的每个行索引（C、A、B、A）依次作为行标签提取整行数据，因此得到的是4行完整记录，而非你需要的每列单个目标值。

内容的提问来源于stack exchange，提问作者Mate de Vita