Python Pandas如何以每行最大值为基准反转单元格顺序重排行值

你需要的按行最大值为基准反转数值顺序的逻辑，本质是对每行有效数值做行内极值对称映射，映射公式为：转换后值 = 行内最大值 + 行内最小值 - 原始值，空值（NaN）会自动保留原有位置，完全匹配你给出的转换规则。

完整代码 #

import pandas as pd
import numpy as np

# 构造测试数据集
list_df = {'Order#1' : [5,8,np.nan], 
           'Order#2' : [4,6,1],  
           'Order#3' : [2,2,3], 
           'Order#4' : [1,1,2], 
           'Order#5' : [3,7,np.nan], 
           'Order#6' : [np.nan, 5, np.nan], 
           'Order#7' : [np.nan, 4, np.nan], 
           'Order#8' : [np.nan, 3, np.nan]}
df = pd.DataFrame(data=list_df)

# 核心转换逻辑：逐行做对称映射
df_result = df.apply(lambda row: row.max() + row.min() - row, axis=1)

逻辑校验 #

以你给出的参考转换行（最大值为5、最小值为1，极值和为6）为例，转换结果完全匹配规则：

• 原始值5 → 6-5 = 1
• 原始值4 → 6-4 = 2
• 原始值3 → 6-3 = 3 （中间值保留不变）
• 原始值2 → 6-2 = 4
• 原始值1 → 6-1 = 5
• 所有原始空值位置转换后仍为空，符合预期。

该实现基于pandas原生行运算，无需逐单元格遍历或编写复杂映射表，处理大体积表格时性能表现更好。

内容的提问来源于stack exchange，提问作者Luis Henrique Batista