每一行最大的数所在的列的列名作为这一行的标签

先说结论。直接用pandas中的idxmax 方法。

方法介绍：

idxmax方法用于返回某个轴上最大值的索引标签。其常用的参数包括：

• axis: 默认为0，表示按列查找最大值的索引。如果设置为1，则按行查找最大值的索引。
• skipna: 默认为True，表示跳过NaN值。如果设置为False，则NaN值也会参与计算。

示例

我们以一个简单的例子来演示如何使用idxmax方法。

假设我们有以下一个包含随机数据的DataFrame：

import pandas as pd
import numpy as np

# 创建一个示例DataFrame
data = {
    'A': [1, 2, 3, np.nan, 5],
    'B': [5, 3, 1, 2, 4],
    'C': [2, 4, np.nan, 3, 1]
}
df = pd.DataFrame(data)
print("原始DataFrame:\n", df)

这个DataFrame如下所示：

   A  B    C
0  1  5  2.0
1  2  3  4.0
2  3  1  NaN
3  NaN 2  3.0
4  5  4  1.0

查找每列最大值所在的行

要查找每列最大值所在的行索引，我们可以使用idxmax方法，默认情况下axis=0：

# 查找每列最大值所在的行索引
max_row_indices = df.idxmax(axis=0)
print("每列最大值所在的行索引:\n", max_row_indices)

输出结果为：

每列最大值所在的行索引:
 A    4
B    0
C    1
dtype: int64

这表明列'A'的最大值在第4行，列'B'的最大值在第0行，列'C'的最大值在第1行。

查找每行最大值所在的列

要查找每行最大值所在的列索引，我们需要将axis参数设置为1：

# 查找每行最大值所在的列索引
max_col_indices = df.idxmax(axis=1)
print("每行最大值所在的列索引:\n", max_col_indices)

输出结果为：

每行最大值所在的列索引:
 0    B
1    C
2    A
3    C
4    A
dtype: object

这表明第0行的最大值在列'B'，第1行的最大值在列'C'，第2行的最大值在列'A'，依此类推。

跳过NaN值

默认情况下，idxmax会跳过NaN值。如果希望包含NaN值，可以将skipna参数设置为False：

# 查找每列最大值所在的行索引，包括NaN值
max_row_indices_with_nan = df.idxmax(axis=0, skipna=False)
print("每列最大值所在的行索引（包含NaN）:\n", max_row_indices_with_nan)