<think>我们有一个DataFrame，需要获取每列中最大的10个值对应的索引（行标签）。
思路：对每一列，我们可以使用nlargest(10)来获取最大的10个值，然后获取这些值对应的索引。
但是注意：每列最大的10个值对应的索引可能是不同的，所以我们需要分别处理每一列。
步骤：
1. 遍历DataFrame的每一列（即按列操作）。
2. 对每一列，使用`nlargest(10)`方法获取最大的10个值，并得到它们的索引。
3. 将这些索引收集起来，可以放在一个新的DataFrame中，或者放在一个字典中，其中键是列名，值是该列最大的10个值对应的索引列表。
注意：由于可能存在重复值，我们直接使用索引即可，索引可以唯一标识行（即使行索引有重复，但通常索引是唯一的，如果用户设置的索引有重复，那么我们需要考虑如何处理，但这里我们直接使用索引即可）。
另外，也可以使用排序（sort_values）然后取前10个，但使用nlargest更直接。
示例代码：
假设df是我们的DataFrame。
我们可以这样：
result = {}
for col in df.columns:
# 使用nlargest(10)获取该列最大的10个值，并提取它们的索引
top_10 = df[col].nlargest(10)
# 获取索引并转换为列表
indices = top_10.index.tolist()
result[col] = indices
这样result就是一个字典，键是列名，值是该列最大的10个值对应的索引列表。
如果我们想要一个DataFrame，其中每一列是原始DataFrame的列，每一行是对应列的前10个最大值的索引（注意：不同列的前10个索引数量都是10，所以可以对齐），那么我们可以构建一个DataFrame：
result_df = pd.DataFrame({col: df[col].nlargest(10).index.tolist() for col in df.columns})
但是这样构建的DataFrame的每一列是一个列表（长度为10），每一行代表前10个最大值中的第几个（第一行是最大的，第二行是第二大的，...）。注意：这样每一列都是10个元素，所以可以形成10行的DataFrame，列名和原来一样。
但是，如果原始数据中某一列不足10个非NaN值，那么nlargest(10)会返回所有非NaN值（数量小于10），这样就会导致该列在结果DataFrame中的行数不足10行，而其他列有10行，这样构建DataFrame会出错（因为长度不一致）。因此，我们可能需要用NaN填充不足10行的部分，或者使用列表并保持长度为10（不足则补NaN或None）。
另一种方式是构建一个以列名为键，索引列表为值的字典，然后不转换为DataFrame，直接输出字典。
根据需求，用户要求的是每列最大的10个值的索引，我们可以返回一个字典，或者一个Series，或者一个DataFrame。这里我们提供两种方式：
方式1：字典（推荐，因为每列的前10个索引可以独立，且不需要对齐）
方式2：DataFrame（要求每列都恰好有10个值，如果有NaN，那么需要先处理NaN，或者填充）
我们这里采用方式1，因为更通用。
但是注意：如果某一列的非NaN值不足10个，那么nlargest(10)会返回所有非NaN值（不会报错），所以对应的索引列表长度就会小于10。
示例：
引用中并没有直接给出每列取前10个索引的方法，但我们可以根据已有知识实现。
另外，引用[2]提到了获取索引最大值所在的行，使用的是`df.index.argmax()`，但这是获取整个DataFrame中最大索引（即索引列的最大值）所在的行，并不是我们要的。引用[4]提到了查找列的值最大的行，但也是针对单列的最大值，不是前10个。
因此，我们按照上述思路实现。
代码示例：
假设有DataFrame如下：
import pandas as pd
data = {'A': [1, 3, 5, 7, 9, 2, 4, 6, 8, 10, 11],
'B': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110]}
df = pd.DataFrame(data)
我们想要每列最大的10个值的索引（注意这个例子有11行，所以每列取前10个）。
实现：
方式1（字典）：
result_dict = {}
for column in df.columns:
# 获取该列最大的10个值，并取出索引
top_10 = df[column].nlargest(10)
result_dict[column] = top_10.index.tolist()
方式2（DataFrame，如果每列都有至少10个非NaN值）：
# 创建一个新的DataFrame，列名相同，行数为10
result_df = pd.DataFrame({col: df[col].nlargest(10).index.tolist() for col in df.columns})
如果某一列的非NaN值不足10个，那么我们可以用None填充至10个：
result_data = {}
for col in df.columns:
top_10 = df[col].nlargest(10)
indices = top_10.index.tolist()
if len(indices) < 10:
indices += [None] * (10 - len(indices))
result_data[col] = indices
result_df = pd.DataFrame(result_data)
但是，填充None可能会引入歧义，所以还是推荐使用字典。
根据用户问题，他要求的是“每列数据中最大10个值的索引”，我们返回一个字典应该是最直接的。
因此，我们提供字典形式的解决方案。
注意：如果用户希望索引按照从大到小对应的值排序（即第一个索引是最大值，第二个是次大值，...），那么nlargest(10)返回的Series的索引就是按照这个顺序排列的，所以直接取索引列表即可。
另外，如果存在重复值，nlargest(10)会返回所有重复值，但取前10个（如果有多个相同的最大值，那么它们都会在结果中，但总共10个，所以可能包含多个相同的值对应的索引）。如果用户不希望重复，那么需要去重？但问题没有要求，所以按原样。
示例代码：
我们将使用一个示例DataFrame来演示。
但是，用户的问题中并没有给出具体的DataFrame，所以我们给出通用的代码。
最终答案：
我们可以这样写代码：
top_10_indices_per_column = {}
for col in df.columns:
# 使用nlargest(10)获取该列最大的10个值，然后获取索引
top_10_indices_per_column[col] = df[col].nlargest(10).index.tolist()
然后top_10_indices_per_column就是我们要的结果。
如果用户想要一个DataFrame，我们可以转换，但这里按照要求，我们返回字典。
但是，用户的问题是如何“获取”，所以我们提供代码。
另外，如果用户希望以不同的形式输出（比如每列的前10个索引放在一个列表里），我们可以调整。
但是，问题只要求获取索引，所以我们给出上述方法。
注意：如果列中有NaN，nlargest(10)会自动忽略NaN，所以不用担心NaN的影响。
下面我们用一个具体的例子演示：
创建DataFrame:
import pandas as pd
import numpy as np
df = pd.DataFrame({
'A': [1, 3, 5, 7, 9, 2, 4, 6, 8, 10, 11],
'B': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110],
'C': [np.nan, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # 第一行是NaN
})
对列'A'：最大的10个值应该是11,10,9,8,7,6,5,4,3,2（注意有11个值，所以去掉1），对应的索引是[10,9,4,8,3,7,2,6,1,5]（注意索引从0开始，所以11在索引10的位置，10在索引9的位置，9在索引4的位置，以此类推）
对列'B'：最大的10个值应该是110,100,90,80,70,60,50,40,30,20，对应的索引是[10,9,8,7,6,5,4,3,1]? 注意有11个值，所以最小的10（索引0）被排除，所以索引是[10,9,8,7,6,5,4,3,2,1]（因为110在10，100在9，90在8，...，20在1）
对列'C'：第一行是NaN，所以被忽略，最大的10个值应该是10,9,8,7,6,5,4,3,2,1，对应的索引是[10,9,8,7,6,5,4,3,2,1]（因为NaN被排除，所以有10个非NaN值）
但是注意：nlargest(10)返回的顺序是从大到小，所以索引也是按照这个顺序排列。
验证代码：
top_10_indices_per_column = {}
for col in df.columns:
top_10_indices_per_column[col] = df[col].nlargest(10).index.tolist()
输出：
A: [10, 9, 4, 8, 3, 7, 2, 6, 1, 5] # 注意：11(索引10)最大，然后10(索引9)，然后9(索引4)，然后8(索引8)，然后7(索引3)，然后6(索引7)，然后5(索引2)，然后4(索引6)，然后3(索引1)，然后2(索引5)
# 但是注意，原始数据中A列：索引0:1, 1:3, 2:5, 3:7, 4:9, 5:2, 6:4, 7:6, 8:8, 9:10, 10:11
# 排序后：11,10,9,8,7,6,5,4,3,2 -> 索引：10,9,4,8,3,7,2,6,1,5 -> 正确。
B: [10,9,8,7,6,5,4,3,2,1] # 注意B列的值：索引0:10,1:20,...,10:110 -> 从大到小：110,100,90,...,20 -> 索引10,9,8,...,1 -> 正确。
C: [10,9,8,7,6,5,4,3,2,1] # 因为NaN被排除，所以非NaN值从10到1，从大到小就是10,9,...,1，对应的索引是10,9,...,1 -> 正确。
因此，代码正确。
但是，注意索引的排序：nlargest(10)返回的Series的索引是按照值从大到小排列的，所以我们的索引列表也是从最大值的索引开始。
如果用户需要的是索引值（而不是位置），那么即使索引不是0到n-1的整数，而是字符串或者其他类型，这个方法同样适用，因为nlargest返回的是原始索引。
例如，如果索引是字符串：
df.index = ['a','b','c','d','e','f','g','h','i','j','k']
那么结果中的索引就是这些字符串。
因此，这个方法通用。
总结：使用循环每列，对每列使用nlargest(10)并获取索引列表。
代码：
result = {col: df[col].nlargest(10).index.tolist() for col in df.columns}
我们也可以写成字典推导式。
现在，我们根据用户的问题，给出完整代码示例。</think>在 Pandas 中获取 DataFrame 每列最大的 10 个值对应的索引，可以通过以下方法实现：
### 解决方案
```python
import pandas as pd
# 示例 DataFrame
data = {'A': [15, 20, 35, 40, 10, 25],
'B': [100, 90, 120, 80, 110, 95],
'C': [7, 12, 9, 15, 11, 8]}
df = pd.DataFrame(data)
# 获取每列最大10个值的索引 (字典格式)
top10_indices_dict = {}
for col in df.columns:
top10_indices_dict[col] = df[col].nlargest(10).index.tolist()
# 获取每列最大10个值的索引 (DataFrame格式)
top10_indices_df = pd.DataFrame({
col: df[col].nlargest(10).index.tolist()
for col in df.columns
})
```
### 关键步骤说明
1. **遍历每列**：使用 `for col in df.columns` 循环处理每列数据
2. **提取最大 N 个值**：`df[col].nlargest(10)` 获取指定列最大的 10 个值（包含值和索引）
3. **获取索引列表**：
- `.index` 获取这些值对应的索引
- `.tolist()` 将索引转换为 Python 列表
4. **结果存储**：
- **字典格式**：`{列名: [索引1, 索引2, ..., 索引10]}`
- **DataFrame 格式**：每列表示原始 DataFrame 的列名，每行对应排序位置（第1行是最大值索引）
### 结果示例
原始 DataFrame：
```
A B C
0 15 100 7
1 20 90 12
2 35 120 9
3 40 80 15
4 10 110 11
5 25 95 8
```
输出结果 (字典格式)：
```python
{
'A': [3, 2, 5, 1, 0, 4], # 40(3), 35(2), 25(5), 20(1), 15(0), 10(4)
'B': [2, 4, 0, 5, 1, 3], # 120(2), 110(4), 100(0), 95(5), 90(1), 80(3)
'C': [3, 1, 4, 2, 5, 0] # 15(3), 12(1), 11(4), 9(2), 8(5), 7(0)
}
```
输出结果 (DataFrame 格式)：
```
A B C
0 3 2 3 # 各列最大值索引
1 2 4 1 # 各列第二大值索引
2 5 0 4
3 1 5 2
4 0 1 5
5 4 3 0
```
### 注意事项
1. **不足 10 个值的情况**：如果某列非空值少于 10 个，`nlargest()` 会返回所有非空值的索引
2. **索引含义**：返回的是原始 DataFrame 的行索引（可能是整数、字符串等标签）
3. **性能优化**：对于大型 DataFrame，该方法时间复杂度为 $O(n\log k)$（$n$ 为行数，$k=10$），效率较高
### 相关问题
1. 如何获取每列最小值对应的索引而非最大值？
2. 当存在重复最大值时，如何获取所有重复值的索引？
3. 如何同时获取最大 10 个值及其索引而不仅仅是索引？
4. 在包含 NaN 值的列中，`nlargest()` 会如何处理这些特殊值？
5. 如何将结果中的索引映射回原始 DataFrame 获取完整数据行？[^2]
[^1]: 通过 `nlargest()` 方法结合索引提取实现高效操作
[^2]: 可使用 `df.loc[index_list]` 根据索引列表获取完整数据行
本文介绍 NumPy 中 a.argmax(axis=0) 方法的使用技巧，通过一个随机整数数组的例子展示了如何获取每列最大值的索引，并给出详细输出结果。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
