为何Pandas的idxmax方法无法找到最大的Timestamp值？

问题场景 #

我有如下形式的数据：

>>> df['image-capture_time'].iloc[-20:]

43    2022-07-19 20:08:26.603000+00:00
36    2022-07-19 20:08:28.313000+00:00
35    2022-07-19 20:08:29.571000+00:00
40    2022-07-19 20:08:30.796000+00:00
38    2022-07-19 20:08:32.062000+00:00
39    2022-07-19 20:08:33.346000+00:00
42    2022-07-19 20:08:34.579000+00:00
41    2022-07-19 20:08:35.813000+00:00
34    2022-07-19 20:08:37.062000+00:00
37    2022-07-19 20:08:38.314000+00:00
130   2022-07-22 15:12:05.925000+00:00
127   2022-07-22 15:12:07.531000+00:00
122   2022-07-22 15:12:08.765000+00:00
123   2022-07-22 15:12:10.031000+00:00
124   2022-07-22 15:12:11.298000+00:00
129   2022-07-22 15:12:12.548000+00:00
128   2022-07-22 15:12:13.781000+00:00
125   2022-07-22 15:12:15.032000+00:00
121   2022-07-22 15:12:16.298000+00:00
126   2022-07-22 15:12:17.532000+00:00
Name: image-capture_time, dtype: datetime64[ns, UTC]

该列已按pandas.Timestamp递增排序，但使用iloc[df['image-capture_time'].idxmax()]未返回最大时间的记录：

>>> df['image-capture_time'].iloc[df['image-capture_time'].idxmax()]

Timestamp('2022-07-22 15:12:11.298000+0000', tz='UTC')

而直接取最后一条是正确的最大时间：

>>> df['image-capture_time'].iloc[-1]

Timestamp('2022-07-22 15:12:17.532000+0000', tz='UTC')

另外：

>>> df['image-capture_time'].idxmax()

126

>>> df['image-capture_time'].iloc[131]

Timestamp('2022-07-22 15:12:17.532000+0000', tz='UTC')

显然我对iloc、idxmax或是两者存在理解误区，这是怎么回事？

核心原因：混淆标签索引与位置索引 #

• idxmax()返回的是标签索引（label）：即该列最大值对应行的索引标签（就是输出里左边的数字，比如这里的126），它是DataFrame行的标识，和行在数据中的位置无关。
• iloc[]是按**位置索引（position）**取值：它接收从0开始的整数序号，对应数据在DataFrame中的物理位置，和行的标签没有直接关系。

你的情况中：

1. idxmax()返回126，这是最大值所在行的标签。
2. 但你用iloc[126]取的是DataFrame中第127行（因为位置从0开始计数）的元素，而不是标签为126的那一行。
3. 标签为126的行对应的位置序号是131（从iloc[131]能取到最大值可验证），说明你的DataFrame行标签不是连续的，大概率是之前有过删除行、重新索引等操作，导致标签和位置序号不匹配。

正确用法 #

要获取最大值对应的元素，有三种可靠方式：

• 用loc[]按标签索引取值（匹配idxmax()的返回类型）：

df['image-capture_time'].loc[df['image-capture_time'].idxmax()]

• 直接调用max()方法获取最大值：

df['image-capture_time'].max()

• 既然数据已排序，直接用iloc[-1]取最后一行（你已经验证过的方式）。

内容的提问来源于Stack Exchange，提问作者orome