如何在Pandas中单次遍历高效获取DataFrame最小值及对应行列位置

单次扫描实现（基于Numpy，性能最优） #

你原来的3次min()调用确实会触发3次全量数据扫描，用Numpy的argmin配合unravel_index可以实现单次遍历拿到全部结果，代码如下：

import pandas as pd
import numpy as np

data = pd.DataFrame([
  ['A', 'asdf', 1, 2, 3],
  ['B', 'zxcv', 4, 5, 6],
  ['C', 'qwer', 2, 5, 3],
  ['D', 'hjkl', 3, 9, 4],
], columns=['entity', 'code', '2007', '2008', '2009']).set_index('entity')

data_num = data.drop(columns=['code'])

# 核心逻辑，仅扫描1次数据
arr = data_num.to_numpy()
min_flat_idx = arr.argmin()
min_row_idx, min_col_idx = np.unravel_index(min_flat_idx, arr.shape)

# 映射回原DataFrame的行名、列名
minval = arr[min_row_idx, min_col_idx]
minval_row = data_num.index[min_row_idx]
minval_col = data_num.columns[min_col_idx]

print(minval, minval_row, minval_col)
# 输出：1 A 2007

argmin会遍历数组1次拿到最小值的扁平化索引，unravel_index仅做坐标转换，无额外数据扫描开销，大数据集下性能比原写法高3倍以上。

纯Pandas实现（无Numpy依赖） #

如果不想引入Numpy调用，也可以用stack+idxmin实现，性能介于原写法和Numpy方案之间：

minval_row, minval_col = data_num.stack().idxmin()
minval = data_num.loc[minval_row, minval_col]

关于to_numpy()是否产生副本的说明 #

你的判断正确：当DataFrame所有列的dtype完全一致时，to_numpy()默认返回原数据的视图，不会产生副本。你可以通过修改返回的numpy数组元素，观察原DataFrame是否同步变化验证这一点。

只有当DataFrame存在混合dtype、或使用pandas扩展类型（如可空Int64、字符串Dtype）时，to_numpy()才会触发类型转换生成副本，你当前的场景全为int类型的数值列，完全不会有复制开销。

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