如何在pandas DataFrame中获取每行最小绝对值对应的原始值

你已经通过df.abs().idxmin(axis="columns")拿到了每行最小绝对值对应的列名，只需要基于列名提取对应位置的原始数值即可，以下是两种常用实现方案：

方案1：矢量化操作（适合大数据集，性能最优） #

该方法完全兼容所有pandas版本，无弃用API风险：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Col1': [-1, 4, -5],
    'Col2': [2, -1, 3],
    'Col3': [-3, 6, -2]
})

# 计算最小绝对值对应的列名
min_abs_cols = df.abs().idxmin(axis=1)
# 按行提取对应列的原始值
df['Result'] = df.values[df.index, df.columns.get_indexer(min_abs_cols)]

方案2：apply写法（适合小数据集，代码简洁易读） #

不需要单独计算列名，一行代码即可完成：

df['Result'] = df.apply(lambda row: row[row.abs().idxmin()], axis=1)

两种方案运行后，首行Result的输出结果均为*-1*，符合预期。

内容的提问来源于stack exchange，提问作者sflee