Pandas多级列场景下按一级分组取最大值对应列名生成新列问题

直接操作报错的核心原因 #

报错ValueError: No axis named 1 for object type Series的根源是pandas GroupBy的轴规则限制：

• 原DataFrame的多级索引在列上，要按一级列分组必须指定groupby(level=0, axis=1)，此时每个分组是对应一级列下的子DataFrame，保留所有行，仅包含该一级索引下的二级列。
• GroupBy对象的聚合方法（如idxmax）的运算轴由分组时的axis参数决定，默认对分组轴的垂直方向做聚合，不支持在聚合时额外传入axis参数覆盖。如果强行给idxmax加axis=1，pandas会将分组内的每一行作为单维度Series处理，而Series只有axis=0维度，不存在axis=1，因此直接抛出错误。

转置操作的作用 #

你用的转置方案刚好规避了这个轴限制：

1. 转置后原多级列索引转为多级行索引，原行索引转为列索引
2. 此时按level=0分组为按行分组，无需指定axis=1，调用idxmax时默认沿行方向聚合，对每一列（对应原DataFrame的每一行）返回该组最大值对应的行索引（即一级+二级列名组成的元组）
3. 再次转置后即可得到每行对应各一级列的最大值索引结果，后续拼接即可得到目标字段。

无需转置的实现方案 #

如果不想用转置，也可以通过分组后显式apply指定行方向取idxmax实现，效果一致：

df['results'] = df.replace(0, np.nan)\
                  .groupby(level=0, axis=1)\
                  .apply(lambda x: x.idxmax(axis=1))\
                  .T\
                  .apply(lambda x: '&'.join([f'{lev1}{lev2}' for lev1, lev2 in x.dropna()]), axis=1)

内容的提问来源于stack exchange，提问作者Nagib