判断DataFrame中每行最大值是否重复出现（向量化解法需求）

嘿，这个场景太常见了！针对你40000行、50列的大数据量，必须用向量化操作才能保证效率，绝对不能用逐行循环那种笨办法——不然等着卡到天荒地老吧😅

咱先明确需求：要判断Resultant_df里是否存在任意一行，其最大值在该行中重复出现（比如某行有两个或多个元素等于该行的最大值）。

一步到位的向量化实现 #

直接用Pandas的内置方法就能搞定，全是底层优化的向量化运算，速度拉满：

# 1. 计算每行的最大值
row_max = Resultant_df.max(axis=1)
# 2. 统计每行中等于最大值的元素个数
max_count = (Resultant_df == row_max[:, None]).sum(axis=1)
# 3. 判断是否存在行数满足条件（最大值出现次数>1）
has_duplicate_max = (max_count > 1).any()

# 输出结果
print("是否存在行内最大值重复的情况：", has_duplicate_max)

代码解释 #

• Resultant_df.max(axis=1)：向量化计算每行的最大值，返回一个和行数相同的Series，比循环快N倍。
• Resultant_df == row_max[:, None]：这一步是广播机制的妙用——把行最大值转换成列向量，和整个DataFrame做相等比较，得到一个布尔值的DataFrame，每个位置标记该元素是否等于该行最大值。
• .sum(axis=1)：对每行的布尔值求和（True=1，False=0），得到每行最大值出现的次数。
• .any()：只要有一行满足max_count > 1，就返回True，直接得到最终判断结果。

额外拓展：筛选目标行 #

如果你还想把这些有重复最大值的行单独提出来查看，也可以直接用：

# 筛选出所有行内最大值重复的行
duplicate_max_rows = Resultant_df[max_count > 1]

内容的提问来源于stack exchange，提问作者A H