[Pandas] idxmax / idxmin

정의

• idxmax() : 최댓값의 index 라벨 반환
• idxmin() : 최솟값의 index 라벨 반환

max() / min() 이 값 을 반환한다면, idxmax() / idxmin() 은 그 값이 있는 index 라벨 을 반환한다. “MAX 인 행의 다른 컬럼도 가져오기” 가 전형적인 사용 상황.

사용 상황

동작 원리

flowchart LR
    A["Series 또는 DataFrame 컬럼"] --> B["max()"]
    A --> C["idxmax()"]
    B --> D["최댓값 숫자 반환"]
    C --> E["최댓값 위치의 index 라벨 반환"]
    E --> F["df.loc 에 바로 사용 가능"]

Series 기본 사용

import pandas as pd
​
s = pd.Series([10, 50, 30, 20], index=['a', 'b', 'c', 'd'])
print('max value:', s.max())
print('idxmax  :', s.idxmax())
print('min value:', s.min())
print('idxmin  :', s.idxmin())
print()
# idxmax 라벨로 바로 loc 접근
print('idxmax 위치 값:', s.loc[s.idxmax()])

max value: 50
idxmax  : b
min value: 10
idxmin  : a
​
idxmax 위치 값: 50

index 라벨 'b' 가 최댓값(50) 의 위치.

DataFrame.idxmax : axis 방향

df.idxmax()         # 각 컬럼에서 최댓값을 가진 행 index (axis=0, 기본)
df.idxmax(axis=1)   # 각 행에서 최댓값을 가진 컬럼 이름 (axis=1)
df.idxmin()         # 최솟값 버전
df.idxmin(axis=1)

import pandas as pd
​
df = pd.DataFrame({
  'math': [90, 80, 70],
  'eng':  [85, 95, 75],
  'sci':  [95, 70, 80],
}, index=['Alice', 'Bob', 'Charlie'])
​
print('--- 각 과목 최고점 학생 ---')
print(df.idxmax())
​
print()
print('--- 각 학생 최고 과목 ---')
print(df.idxmax(axis=1))

--- 각 과목 최고점 학생 ---
math      Alice
eng         Bob
sci       Alice
dtype: object
​
--- 각 학생 최고 과목 ---
Alice       sci
Bob         eng
Charlie     sci
dtype: object

최댓값 행 전체 가져오기

# salary 가 가장 높은 직원의 모든 정보
df.loc[df['salary'].idxmax()]

# salary 가 가장 낮은 직원의 모든 정보
df.loc[df['salary'].idxmin()]

# 특정 컬럼만 꺼내기
df.loc[df['salary'].idxmax(), 'name']
df.loc[df['salary'].idxmax(), ['name', 'dept']]

groupby + idxmax (그룹별 최대 행)

SQL 에서 GROUP BY + MAX 후 해당 행 전체를 가져오는 전형적인 패턴.

# 각 부서의 최고 연봉자 행 전체
df.loc[df.groupby('dept')['salary'].idxmax()]

import pandas as pd
​
data = {
  'name':   ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
  'dept':   ['eng',   'eng', 'mkt',     'mkt',   'eng'],
  'salary': [9000,    7500,  6000,      8000,    8500],
}
df = pd.DataFrame(data)
​
idx = df.groupby('dept')['salary'].idxmax()
print('각 부서 최고 연봉자 index:')
print(idx)
print()
result = df.loc[idx]
print('각 부서 최고 연봉자 전체 정보:')
print(result)

각 부서 최고 연봉자 index:
dept
eng    0
mkt    3
Name: salary, dtype: int64
​
각 부서 최고 연봉자 전체 정보:
  name dept  salary
0  Alice  eng    9000
3  David  mkt    8000

flowchart TD
    A["df"] --> B["groupby('dept')"]
    B --> C["idxmax() on salary"]
    C --> D["dept 별 최고 salary 행의 index 라벨"]
    D --> E["df.loc 적용"]
    E --> F["dept 별 최고 연봉자 행 전체"]

이 패턴은 SQL 의 아래 쿼리와 동일하다:

SELECT * FROM employees
WHERE (dept, salary) IN (
  SELECT dept, MAX(salary) FROM employees GROUP BY dept
)

value_counts + idxmax

# 가장 자주 등장하는 값 (한 줄)
most_common = df['city'].value_counts().idxmax()

# mode().iloc[0] 과 동일, 둘 다 유효
most_common2 = df['city'].mode().iloc[0]

NaN 처리

import numpy as np

s = pd.Series([1.0, np.nan, 3.0, np.nan])

s.idxmax()                  # NaN skip → 2 (값 3.0 의 위치)
s.idxmax(skipna=False)      # NaN 포함 → NaN 반환

모든 값이 NaN 이면 skipna=True 여도 ValueError.

numpy argmax / argmin 과 비교

s = pd.Series([10, 50, 30], index=['x', 'y', 'z'])

s.argmax()   # 1  (0-based 위치)
s.idxmax()   # 'y' (index 라벨)

s.iloc[s.argmax()]   # 50
s.loc[s.idxmax()]    # 50

규칙 : argmax() 는 .iloc, idxmax() 는 .loc 와 짝.

정수 index 에서 주의점

정수 index 를 가진 Series 에서 idxmax() 는 정수 라벨을 반환한다. 위치가 아니다.

s = pd.Series([5, 3, 8, 1], index=[10, 20, 30, 40])

s.idxmax()    # 30 (index 라벨, 값 8 의 위치)
s.argmax()    # 2  (0-based 위치)

df.loc[s.idxmax()]    # ✓ 라벨 30 행
df.iloc[s.idxmax()]   # ❌ 위치 30 → IndexError 또는 의도 외 행

실전 패턴

상위 N 개 행 (nlargest 병행)

# 연봉 1 위 행
df.loc[df['salary'].idxmax()]

# 연봉 상위 3 명 행 전체 (nlargest 활용)
top3_idx = df['salary'].nlargest(3).index
df.loc[top3_idx]

컬럼별 최대 / 최소 요약

summary = pd.DataFrame({
    'max_val': df.max(),
    'max_idx': df.idxmax(),
    'min_val': df.min(),
    'min_idx': df.idxmin(),
})
print(summary)

시계열 최고점 날짜

ts = pd.Series(
    prices,
    index=pd.date_range('2024-01', periods=len(prices), freq='D')
)

peak_date = ts.idxmax()    # Timestamp('2024-07-...')
trough_date = ts.idxmin()
print(f'고점: {peak_date.date()}, 저점: {trough_date.date()}')

각 컬럼의 최대 행 매핑

for col in df.select_dtypes('number').columns:
    idx = df[col].idxmax()
    print(f'{col}: 최대={df[col].max()}, 행={idx}, 이름={df.loc[idx, "name"]}')

함정

1. 모두 NaN 이면 ValueError

pd.Series([None, None]).idxmax()
# ValueError: attempt to get argmax of an empty sequence

# 방어 코드
def safe_idxmax(s):
    valid = s.dropna()
    return valid.idxmax() if not valid.empty else None

2. 동률: 첫 번째만 반환

pd.Series([5, 5, 5], index=['a', 'b', 'c']).idxmax()   # 'a'

# 동률 모두 찾기
s = pd.Series([5, 3, 5])
s[s == s.max()].index.tolist()   # [0, 2]

3. 빈 Series

pd.Series([], dtype=float).idxmax()   # ValueError

4. groupby 결과에서 reset 주의

idx = df.groupby('dept')['salary'].idxmax()
# idx 의 index 는 dept, value 는 df.index 의 값
# df.loc[idx.values] 또는 df.loc[idx] 둘 다 동작

5. axis=1 은 수치형 컬럼만

df.idxmax(axis=1)   # 문자열 컬럼이 섞여 있으면 TypeError
df.select_dtypes('number').idxmax(axis=1)  # ✓

관련 위키

• Pandas Series
• Pandas groupby
• Pandas nlargest / rank
• Pandas .loc / .iloc
• Pandas sort_values / sort_index
• Pandas mode / factorize
• Pandas agg