Pandas如何不新增列基于两列计算值筛选最大值对应行

测试数据 #

本次用到的示例DataFrame构造代码如下：

import pandas as pd

data = {'Name': ["Babu", "Shyam", "Raju", "Anuradha", "Kabira"],
       'Age': [60, 35, 32, 31, 37],
       'Income': [20000, 10000, 8000, 12000, 5000],
       'Stupidity Level': [80, 40, 60, 20, 70],
       'Expenses': [15000,8000,7000,9000,4000]
       }

index = ["Paresh Rawal", "Suniel Shetty", "Akshay Kumar","Tabu", "Gulshan Grover"]

df = pd.DataFrame(data, index)

需求是不新增永久存储的储蓄额列，直接筛选出Income（收入）减Expenses（支出）得到的储蓄额最高的对应行。

原有写法问题 #

之前两种写法无法运行的核心原因：

• 直接给df[]传入标量值时，Pandas默认按列名做匹配，传入储蓄额最大值5000时，原表不存在名为5000的列，会直接触发KeyError。
• 逻辑上缺少逐行布尔判断、最大值行定位的步骤，无法匹配到目标行。

正确实现方案 #

以下写法的储蓄额计算均为临时运算，不会在原DataFrame中新增实体列：

方案1：取第一个最高储蓄额对应行（返回Series格式） #

用idxmax()获取逐行计算储蓄额后，最大值对应的行索引，再通过loc定位目标行：

df.loc[(df["Income"] - df["Expenses"]).idxmax()]

运行返回结果：

Name               Babu
Age                  60
Income            20000
Stupidity Level      80
Expenses          15000
Name: Paresh Rawal, dtype: object

方案2：返回所有最高储蓄额行（返回DataFrame格式，兼容并列场景） #

通过布尔索引筛选所有储蓄额等于最大值的行，如果存在多人储蓄额并列第一，会一次性返回全部符合条件的记录：

df[df["Income"] - df["Expenses"] == (df["Income"] - df["Expenses"]).max()]

补充说明 #

如果后续需要多次基于储蓄额做计算，再考虑给DataFrame新增savings列即可，单次筛选场景下临时计算不会额外占用存储，效率也没有差异。

内容的提问来源于stack exchange，提问作者Ravindra S