如何高效获取DataFrame中对应最短耗时的‘最佳玩家’列？

当然有更简洁且可维护的方法！你的嵌套np.where写法在玩家数量增加到6个时，会变得非常冗长且容易出错。下面提供两种更优雅的方案，尤其适合扩展场景：

方法一：利用idxmin+字典映射（最简洁） #

这种方法核心是先找到每行最小时间对应的时间列名，再通过预先定义的映射关系转换成玩家名，代码量少且扩展性极强：

import pandas as pd
import numpy as np

# 原始DataFrame
df = pd.DataFrame({
    'Player one':["Juul","RGB10","Holi2","Combo"],
    'Time play1':[13,21,15,4],
    'Player two':["Jar21","helen3","Dimi","kanh"],
    'Time play2':[5,7,19,4],
    'Player three':["josi","Mae","Dylen","Joe18"],
    'Time play3':[4,12,8,66,] 
})

# 1. 定义时间列到玩家列的映射字典（扩展到6个玩家时，只需添加键值对）
time_to_player = {
    'Time play1': 'Player one',
    'Time play2': 'Player two',
    'Time play3': 'Player three'
}

# 2. 获取所有时间列
time_cols = list(time_to_player.keys())

# 3. 找到每行最小时间对应的时间列名，再映射成玩家名
min_time_col = df[time_cols].idxmin(axis=1)
df["Best player"] = min_time_col.map(time_to_player)

运行后得到的结果和你的原始代码完全一致，而且当玩家数量增加到6个时，只需要在time_to_player里新增3组键值对即可，无需修改核心逻辑。

方法二：重塑DataFrame（更灵活，支持多最小时间场景） #

如果需要处理多个玩家时间相同的情况（比如想返回所有耗时最短的玩家），可以先把宽格式的DataFrame转成窄格式，再分组处理：

# 1. 定义玩家列和时间列
player_cols = ['Player one', 'Player two', 'Player three']
time_cols = ['Time play1', 'Time play2', 'Time play3']

# 2. 重塑数据：将每行的玩家和对应时间配对
temp = pd.DataFrame({
    'player': df[player_cols].values.flatten(),
    'time': df[time_cols].values.flatten(),
    'original_index': np.repeat(df.index, len(player_cols))
})

# 3. 按原始行分组，找到时间最小的玩家（若有多个，用逗号分隔）
best_players = temp.groupby('original_index').apply(
    lambda x: ', '.join(x[x['time'] == x['time'].min()]['player'])
)

# 4. 赋值回原DataFrame
df['Best player'] = best_players

这种方法的优势是可以灵活处理多值场景，比如第四行有两个玩家耗时都是4，会返回Combo, kanh，而不是只取第一个。

为什么这两种方法更优？ #

• 可扩展性：玩家数量从3个增加到6个时，只需修改映射字典或列名列表，无需嵌套多层判断
• 可读性：代码逻辑清晰，比嵌套np.where更容易理解和维护
• 灵活性：方法二可以轻松适配多最小时间的需求

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