如何获取Pandas DataFrame每行最大值的所有列索引？

没问题，我刚好处理过类似的需求！idxmax()确实只会返回每行最大值的首次出现位置，要拿到所有对应最大值的列索引，这里有两种实用的方法，分别适合不同规模的数据集：

先构造示例DataFrame #

先拿一个包含多行多最大值的示例数据来演示：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [3, 5, 2],
    'B': [5, 5, 2],
    'C': [3, 3, 2]
})

方法1：用apply逐行处理（代码简洁，适合小数据） #

这种写法直观易懂，用apply遍历每行，先找到该行的最大值，再筛选出所有等于最大值的列，最后提取索引转成列表：

max_col_indices = df.apply(lambda row: row[row == row.max()].index.tolist(), axis=1)

运行后得到的结果是一个Series，每行对应该行所有最大值的列名列表：

0    [A, B]
1       [A, B]
2    [A, B, C]
dtype: object

方法2：用numpy实现（效率更高，适合大数据集） #

如果你的DataFrame行数很多，apply的循环效率会比较低，这时候用numpy的向量化操作会快很多：

# 先获取每行的最大值，转成二维数组以便和原数据逐元素比较
row_max_vals = df.max(axis=1).values[:, np.newaxis]
# 生成布尔矩阵，标记每个位置是否等于该行最大值
is_max = df.values == row_max_vals
# 遍历每个布尔掩码，提取对应的列名
max_col_indices = pd.Series(
    [df.columns[mask].tolist() for mask in is_max],
    index=df.index
)

额外需求：获取整数位置索引 #

如果你需要的是列的整数位置（而不是列名），只需要把df.columns换成np.arange(df.shape[1])即可：

max_pos_indices = pd.Series(
    [np.where(mask)[0].tolist() for mask in is_max],
    index=df.index
)

结果会是类似[0,1]、[0,1]、[0,1,2]这样的整数索引列表。

内容的提问来源于stack exchange，提问作者narasimman