如何选取Pandas DataFrame中两列及以上联合值最大的行

• 如果你需求的「联合值最大」是列优先级规则：即先比较排在前面的列，取值最大的行，若前面列值相同再比较下一列，完全匹配你给出的示例场景，直接用sort_values方法即可：

# 按Feat1优先、Feat3次之的规则降序排列，取第一行即为目标行
target_row = df.sort_values(by=["Feat1", "Feat3"], ascending=False).head(1)

如果需要返回所有并列最大的行，修改为：

sorted_df = df.sort_values(by=["Feat1", "Feat3"], ascending=False)
# 筛选所有和第一行排序列值完全相同的行
all_max_rows = sorted_df[sorted_df[["Feat1", "Feat3"]].eq(sorted_df[["Feat1", "Feat3"]].iloc[0]).all(axis=1)]

• 如果需求的「联合值最大」是自定义计算规则：比如两列的和、加权和等，先计算联合得分列再筛选即可：

# 示例：计算Feat1和Feat3的加权和作为联合得分，权重分别为0.7和0.3
df["joint_score"] = df["Feat1"] * 0.7 + df["Feat3"] * 0.3
# 筛选所有联合得分最大的行
target_rows = df[df["joint_score"] == df["joint_score"].max()].drop(columns="joint_score")

• 大数据量场景优化方案：如果你的DataFrame数据量很大，全表排序性能偏低，可以用逐层筛选的方法避免全表排序：

# 先筛选Feat1等于最大值的所有行
max_feat1_df = df[df["Feat1"] == df["Feat1"].max()]
# 再在上述结果中筛选Feat3等于最大值的行
target_row = max_feat1_df[max_feat1_df["Feat3"] == max_feat1_df["Feat3"].max()]

内容的提问来源于stack exchange，提问作者Victor Fornasiero de Paiva