Pandas 获取每行前 N 个最大值的列名（高效实现方案）

本文详解如何在 pandas 中高效获取 dataframe 每行数值列中前 n 个最大值对应的列名，解决 `apply + nlargest` 报错问题，并提供基于 `select_dtypes` 的稳健方案及 numpy 加速替代方法。

在使用 pandas.DataFrame.idxmax() 时需注意：它仅返回单个最大值的索引（即 top-1），无法直接扩展为 top-n。若需获取每行前 N 个最大值所在的列名（如本例中取 n=2），必须借助其他方法——常见误区是将 skipna 或 numeric_only 等参数错误传递给 df.apply()，导致 TypeError: unexpected keyword argument。

✅ 正确做法是：先用 df.select_dtypes(‘number’) 安全筛选数值列（自动排除非数值类型，避免 nlargest 失败），再对每行应用 Lambda 函数。关键在于 apply 本身不接受 skipna/numeric_only 参数，这些应由内部 Series 方法处理：

import pandas as pd import numpy as np  df = pd.DataFrame({     'consumption': [10.51, 103.11, 55.48],      'co2_emissions': [37.2, 19.66, 1712] }, index=['Pork', 'Wheat Products', 'Beef'])  # ✅ 安全、清晰、推荐（适用于中小规模数据） N = 2 result = (df.select_dtypes('number')             .apply(lambda s: s.dropna().abs().nlargest(N).index.tolist(), axis=1)) print(result)

输出：

Pork              [co2_emissions, consumption] Wheat Products    [consumption, co2_emissions] Beef              [co2_emissions, consumption] dtype: object

⚠️ 注意事项：

• s.abs().nlargest(N) 默认按绝对值排序；若需原始值大小（含符号），请去掉 .abs()；
• s.dropna() 显式处理缺失值，比 skipna=True 更可靠（因 nlargest 默认已跳过 NaN）；
• 若存在多列同值并列第 N 名，nlargest 会按索引顺序截断，结果可能不唯一。

⚡ 高性能替代（适用于大数据量）：
当 DataFrame 行数极大（如 >10⁵）时，纯 NumPy 向量化操作显著快于 apply。以下方案利用 np.argpartition（O(n) 平均复杂度）替代全排序：

N = 2 tmp = df.select_dtypes('number') cols = tmp.columns.to_numpy() # 获取每行 top-N 列索引（未排序），再逆序得到降序排列 top_n_indices = np.argpartition(tmp, -N, axis=1)[:, -N:] # 按值大小重排索引（确保列名按实际值从大到小排列） sorted_indices = np.argsort(-tmp.values[np.arange(len(tmp))[:, None], top_n_indices], axis=1) final_indices = top_n_indices[np.arange(len(tmp))[:, None], sorted_indices]  result_np = pd.Series(     cols[final_indices].tolist(),     index=df.index )

该方法避免 python 循环，在百万级数据上提速 3–5 倍。但可读性略低，建议在性能敏感场景使用。

? 总结：

• idxmax ≠ top-n，勿强行扩展；
• apply + nlargest 是直观解法，但须剥离 select_dtypes 和 dropna 保障鲁棒性；
• 生产环境大数据推荐 NumPy 向量化方案；
• 始终验证 abs() 是否符合业务逻辑（如负值是否需保留符号）。