使用applymap从列表中提取第二个元素，然后使用axis获取列或行中的最大值：

new_df = df.applymap(lambda x: x[1])

# rows

new_df.max(axis=1)

# columns

new_df.max()

另一种可能的解决方案：

def mymax(x):
    return max([y[1] for y in x])

df.apply(mymax)
df.apply(mymax, axis=1)

编辑

下面的代码尝试回答下面的OP注解：

def imax(x):
    return np.argmax([y[1] for y in x])

df.apply(imax)
df.apply(imax, axis=1)

# in case, we want the column names

df.columns[df.apply(imax, axis=1)].tolist()

对于矢量解决方案，您可以在所需级别上执行stack、切片和groupby.max。

对于行：

df.stack().str[1].groupby(level=0).max()

输出量：

0    0.4
1    0.7
2    0.2
3    0.9
dtype: float64

对于色谱柱：

df.stack().str[1].groupby(level=1).max()

输出量：

Col1    0.4
col2    0.9
col3    0.7
dtype: float64