如何获取Pandas DataFrame每行前3个最大值对应的列名？

核心需求为逐行计算流派列的数值排名，提取排名前3的列名作为新列，以下是可直接运行的实现代码：

步骤1：构造测试数据集 #

先对齐给出的样例数据结构：

import pandas as pd
import numpy as np

# 构建示例DataFrame
df = pd.DataFrame({
    'Cluster': [1, 2, 3],
    'Genre 1': [10, 53, 44],
    'Genre 2': [31, 12, 73],
    'Genre 3': [5, 6, 1],
    'Genre 4': [3, 9, 9],
    'Genre 5': [23, 7, 13]
})

步骤2：按行提取Top3流派列名 #

方法1：向量化实现（推荐，大数据量性能更好） #

利用numpy的argsort做行维度的向量化排序，避免逐行遍历的性能损耗：

# 筛选所有流派类列
genre_cols = [col for col in df.columns if col.startswith('Genre')]
genre_values = df[genre_cols].values

# 按行做降序排序，取前3位对应的列索引
# argsort默认返回升序排序的索引，对值取反即可实现降序
top3_index = np.argsort(-genre_values, axis=1)[:, :3]

# 将索引映射为实际列名，写入新列
df['1st'] = [genre_cols[i] for i in top3_index[:, 0]]
df['2nd'] = [genre_cols[i] for i in top3_index[:, 1]]
df['3rd'] = [genre_cols[i] for i in top3_index[:, 2]]

运行后输出结果完全匹配预期：

方法2：apply逐行实现（小数据集可读性更高） #

如果数据量在万行以内，也可以用apply按行处理，代码逻辑更直观易读：

def fetch_top3(row):
    # 对当前行的流派值降序排序，取前3位的列名
    top3_genres = row[genre_cols].sort_values(ascending=False).index[:3]
    return pd.Series([top3_genres[0], top3_genres[1], top3_genres[2]], index=['1st', '2nd', '3rd'])

df[['1st', '2nd', '3rd']] = df.apply(fetch_top3, axis=1)

后续可视化预处理 #

做Top3流派可视化前，可以把宽表转成长表格式，直接对接matplotlib、seaborn等绘图库的输入要求：

plot_data = df.melt(
    id_vars=['Cluster'],
    value_vars=['1st', '2nd', '3rd'],
    var_name='rank',
    value_name='top_genre'
)

注意事项 #

• 若某行存在数值相同的并列情况，上述两种方法默认将列顺序更靠前的流派判定为更高排名，如需自定义并列规则，可在排序时传入key参数调整逻辑。
• 如果需要提取更多位次的结果，只需要修改取索引的切片范围、对应增加新列即可，逻辑完全通用。

内容的提问来源于stack exchange，提问作者Mettepen