为了找到每一行的最佳匹配子集，你可以创建所有可能的子集，然后找到最大值/最小值。例如，下面的代码计算第一个条件的最佳列数：

import itertools
import numpy as np

def com(row):
    s = []
    for i in range(2, len(row)+1):
       s.extend([x for x in itertools.combinations(row.values, i)])
    vals = s[np.argmax([np.mean(x) for x in s])]
    return row[row.isin(vals)].index.values

df.apply(com, axis = 1)

对于前两行，结果如下：
根据评论，这可能会有所帮助：

string = '''Time    A   B   C   D   E
Average 7.80    9.60    2.80    4.00    6.20
Standard Deviation  8.01    17.96   3.66    8.65    9.09
Ratio (Average/S.D) 0.97    0.53    0.77    0.46    0.68'''
data = np.array([x.split('  ') for x in string.split('\n')])
df = pd.DataFrame(data[1:,1:], columns = data[0,1:], index = data[1:,0])
df = df.astype(float)

df.apply(com, axis = 1)

输出：

Average                [A, B]
Standard Deviation     [B, E]
Ratio (Average/S.D)    [A, C]
dtype: object

你可以根据你的目标选择最好的。