使用df.eq(df.max(axis=1), axis=0)和where屏蔽非最大值，然后使用stack删除NaN并获取索引对。

out = df.where(df.eq(df.max(axis=1), axis=0)).stack().index.tolist()

输入示例：

A  B  C  D
0  1  2  3  3
1  4  1  1  4

输出：

[(0, 'C'), (0, 'D'), (1, 'A'), (1, 'D')]

如果只想将列表中的列作为新列，请添加groupby.agg步骤：

df['max_voltage_idx']= (df                  
   .where(df.eq(df.max(axis=1), axis=0)).stack()
   .reset_index(-1).iloc[:, 0]
   .groupby(level=0).agg(list)
 )

输出：

A  B  C  D max_voltage_idx
0  1  2  3  3          [C, D]
1  4  1  1  4          [A, D]

另一种可能的解决方案：

indices = np.where(df.values == np.amax(df.values, axis=1)[:, None])
list(zip(indices[0], df.columns.values[indices[1]]))

输出：

[(0, 'C'), (0, 'D'), (1, 'A'), (1, 'D')]

输入：
同样的@mozway（我感谢他）使用：

A  B  C  D
0  1  2  3  3
1  4  1  1  4