如何查找pandas DataFrame全表全局最大最小值及对应位置而非行列级最值

你可以通过pandas和numpy的内置向量化方法实现需求，无需自行遍历行列，性能更优。另外你之前写的按行获取最值的参数有误，正确参数为axis=1，正确写法是df.max(axis=1)。

场景1：需要最值对应的行标签、列名 #

可以通过stack()将DataFrame转为多级索引的Series，再用idxmax()/idxmin()直接获取最值位置：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    '语文': [89, 92, 78],
    '数学': [95, 88, 96],
    '英语': [90, 93, 87]
})

# 全局最大值及对应位置
global_max = df.stack().max()
max_pos = df.stack().idxmax()
print(f"全局最大值：{global_max}，位置（行索引，列名）：{max_pos}")

# 全局最小值及对应位置
global_min = df.stack().min()
min_pos = df.stack().idxmin()
print(f"全局最小值：{global_min}，位置（行索引，列名）：{min_pos}")

输出示例：

全局最大值：96，位置（行索引，列名）：(2, '数学')
全局最小值：78，位置（行索引，列名）：(2, '语文')

场景2：需要最值对应的整数行号、列号（从0计数） #

可以结合numpy的unravel_index方法直接解析最值的坐标：

import numpy as np

# 全局最大值整数位置
max_row, max_col = np.unravel_index(df.values.argmax(), df.shape)
global_max = df.iloc[max_row, max_col]
print(f"全局最大值：{global_max}，整数位置（行号，列号）：{(max_row, max_col)}")

# 全局最小值整数位置
min_row, min_col = np.unravel_index(df.values.argmin(), df.shape)
global_min = df.iloc[min_row, min_col]
print(f"全局最小值：{global_min}，整数位置（行号，列号）：{(min_row, min_col)}")

拓展：查找所有重复最值的位置 #

如果数据中存在多个相同的最值，需要返回所有位置，可以用布尔索引实现：

# 查找所有全局最大值的位置
all_max_pos = df[df == global_max].stack().index.tolist()
print("所有全局最大值的位置：", all_max_pos)

以上方法均为原生向量化操作，无需自行遍历行列，性能远高于循环实现，符合pandas的最佳实践。

内容的提问来源于stack exchange，提问作者rubengavidia0x