如何从Pandas DataFrame按行提取前3大值并绑定对应列名

实现方案 #

你之前直接对df1排序得不到正确结果，是因为df1存储的是字符串类型，排序会按字符串的ASCII编码规则而非原始数值大小，你可以用以下两种方法实现需求：

方法1：基于原始df直接生成目标结果（更简洁）

import pandas as pd

# 构造原始数据
data=[[4.12,3,2],[1.0123123,-6.12312,5.123123],[-3.123123,-8.512323,6.12313]]
df = pd.DataFrame(data,columns =['a','b','c'],index=['aa','bb','cc'])

# 按行处理：先按数值降序排序，再拼接成「值=列名」格式
def process_row(row):
    sorted_cols = row.sort_values(ascending=False).index
    return [f"{row[col]}={col}" for col in sorted_cols]

final_df = df.apply(process_row, axis=1, result_type='expand')
final_df.columns = ['max=1', 'max=2', 'max=3']

输出的final_df完全符合需求：

max=1          max=2          max=3
aa       4.12=a          3.0=b          2.0=c
bb  5.123123=c     1.0123123=a     -6.12312=b
cc   6.12313=c     -3.123123=a    -8.512323=b

方法2：基于已生成的df1处理

如果你已经提前生成了拼接好的df1，可以基于原始df的排序规则调整df1的列顺序：

# 已生成的df1
df1 = df.astype(str).apply(lambda x:x+'='+x.name)

# 按原始df的数值排序结果重排df1每行的元素
final_df = df1.apply(
    lambda row: row[df.loc[row.name].sort_values(ascending=False).index],
    axis=1
)
final_df.columns = ['max=1', 'max=2', 'max=3']

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