如何在DataFrame中查找单列/多列最大值及对应行指定列的值？

嘿，我来帮你搞定这两个关于DataFrame数据查询的需求，用经典的mtcars数据集（这里用Python的pandas实现，逻辑通用），一步步拆解给你：

1. 单列最大值对应另一列的值 #

要实现“找某一列的最大值，再取该行另一指定列的值”，核心是先定位最大值所在的行，再提取目标列。这里以查找hp列最大值对应的mpg值为例：

方法1：用idxmax()快速定位索引（推荐，效率更高） #

idxmax()会直接返回该列最大值所在行的索引，尤其适合大型数据集，避免不必要的整行筛选：

import pandas as pd

# 加载mtcars数据集（用公开可靠的数据源）
mtcars = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/mtcars.csv')

# 1. 获取hp列最大值的行索引
max_hp_index = mtcars['hp'].idxmax()
# 2. 根据索引提取对应的mpg值
mpg_at_max_hp = mtcars.loc[max_hp_index, 'mpg']

print(f"hp列最大值对应的mpg值为：{mpg_at_max_hp}")

方法2：通过条件筛选整行 #

如果想直观查看最大值所在的完整行数据，可以用条件筛选：

# 1. 筛选出hp等于最大值的行
max_hp_row = mtcars[mtcars['hp'] == mtcars['hp'].max()]
# 2. 提取mpg值（用.values[0]避免返回Series格式）
mpg_at_max_hp = max_hp_row['mpg'].values[0]

print(f"hp列最大值对应的mpg值为：{mpg_at_max_hp}")

2. 多列最大值对应同一列的值（大型DataFrame优化版） #

针对大型DataFrame，要尽量避免重复遍历数据。这里我们要找qsec、hp、wt三列各自最大值对应的mpg值，推荐用批量索引的方式提升效率：

高效实现方式 #

# 定义需要查询的目标列
target_columns = ['qsec', 'hp', 'wt']

# 批量获取每个列最大值的行索引
max_indices = [mtcars[col].idxmax() for col in target_columns]

# 一次性提取所有对应的mpg值，并用目标列名作为索引，结果更清晰
result_df = mtcars.loc[max_indices, ['mpg']]
result_df.index = target_columns

print("各列最大值对应的mpg值：")
print(result_df)

循环遍历方式（适合新手理解） #

如果想一步步观察每一列的结果，也可以用循环实现：

for col in target_columns:
    # 获取当前列的最大值
    max_val = mtcars[col].max()
    # 提取对应行的mpg值
    mpg_val = mtcars.loc[mtcars[col] == max_val, 'mpg'].values[0]
    print(f"{col}列最大值对应的mpg值：{mpg_val}")

小提示：如果某列存在多个相同的最大值，idxmax()只会返回第一个出现的索引；如果需要获取所有最大值对应的行，把idxmax()换成条件筛选即可。

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