Pandas如何获取每行最高成交量对应列名并新增为数据列

实现逻辑 #

先筛选出所有成交量类列，再逐行取成交量最大值对应的列名赋值给新列即可，核心是不要把价格、差值这类非成交量字段拉进来比较。

可直接运行的代码 #

# 筛出所有列名以Volume开头的成交量列，无需手动硬编码列名
volume_cols = [col for col in df_merged.columns if col.startswith('Volume')]

# 逐行取最大值对应的列名写入新列，新列名可以按需修改
df_merged['highest_vol_col'] = df_merged[volume_cols].idxmax(axis=1)

结果说明 #

针对你给出的样例数据，运行后新列取值完全符合预期：

• 第0行：VolumeOIH值为300.0、VolumeKRE值为51852.0，新列返回VolumeKRE
• 第64行：VolumeOIH值为8677.0、VolumeKRE值为11411.0，新列返回VolumeKRE
• 所有行都会自动对比现有（及后续新增的多个）成交量列的数值，返回数值最高的列名

踩坑提醒 #

• 不要直接对整个DataFrame调用idxmax(axis=1)，否则会把SPY close、difference这类非成交量列纳入计算，逻辑不符合需求，碰到数值异常的行还会返回完全无关的列名。
• 后续如果新增其他标的的成交量列，只要列名保留Volume前缀，上述代码不需要做任何修改就能自动适配，不用手动维护成交量列的名单。

内容的提问来源于stack exchange，提问作者pythonheadache