pandas.DataFrame.idxmax如何识别列方向并列最大值

核心实现逻辑 #

原有idxmax方法仅返回逐行首次出现的最大值索引，无法覆盖并列场景，需调整为三步判断逻辑：

• 逐行计算单场比赛所有局次的得分最大值
• 逐行匹配所有得分等于该最大值的局次
• 根据匹配到的局次数量分支处理：仅匹配到1个时正常返回局次名；匹配到2个及以上时，添加专属并列标识，拼接所有并列的局次信息

基础可运行代码 #

首先定义固定的局次列集合，避免重复书写列名：

# 定义所有局次的得分列名列表
inning_cols = ['1ITotRuns','2ITotRuns','3ITotRuns','4ITotRuns','5ITotRuns','6ITotRuns','7ITotRuns','8ITotRuns','9ITotRuns','XITotRuns']
# 提取局次得分子表
inning_runs = sbr[inning_cols]

应用逐行判断逻辑生成新字段：

def parse_max_inning(row):
    # 筛选当前行得分等于全场最大值的局次
    max_inning_list = row.index[row == row.max()].tolist()
    # 存在并列时添加专属标记
    if len(max_inning_list) > 1:
        return f"[并列最高] {' & '.join(max_inning_list)}"
    # 无并列时返回唯一的最高局次
    return max_inning_list[0]

# 逐行计算结果
df['maxInningsRuns'] = inning_runs.apply(parse_max_inning, axis=1)

大数据量优化方案 #

逐行apply在万行以上规模的数据集上运行效率偏低，可换为向量化运算提速：

# 1. 逐行计算单场最高得分阈值
row_max_val = inning_runs.max(axis=1)
# 2. 生成匹配掩码：标记每个局次是否等于行最高值
match_mask = inning_runs.eq(row_max_val, axis=0)
# 3. 统计每行匹配到的最高局次数量
match_inning_count = match_mask.sum(axis=1)
# 4. 拼接每行匹配到的局次名称
matched_inning_str = match_mask.apply(lambda col: ' & '.join(col.index[col]), axis=1)
# 5. 生成最终结果：非并列场景直接返回局次名，并列场景添加专属前缀
df['maxInningsRuns'] = matched_inning_str.where(
    match_inning_count == 1,
    "[并列最高] " + matched_inning_str
)

输出效果参考 #

• 无并列场景：某场比赛仅3局得分最高，输出为3ITotRuns
• 并列场景：某场比赛2局、5局得分同为全场最高，输出为[并列最高] 2ITotRuns & 5ITotRuns

自定义调整说明 #

• 可根据业务需求修改并列标记格式：如果不需要保留具体并列的局次名称，仅需要识别并列状态，可直接将并列场景的返回值替换为固定标识（比如字符串“并列”、特殊数值-1）
• 也可以按照实际需要调整并列文本的拼接分隔符，替换默认的&为其他符号

内容的提问来源于stack exchange，提问作者Marc Blair