您的方法没有任何问题。事实上，如果只是因为它易于阅读和理解您正在做的事情，我就会采用这种方法。但如果您正在寻找其他解决方案，这里有一个使用numpy.ufunc.reduceat的解决方案

import pandas as pd
import numpy as np

# sample frame
df = pd.DataFrame(data={'text': ['a','b','c'], 'a':[1,2,3],'b':[2,3,4],'c':[5,4,2],'d':[-2,4,1]})
# we skip the first column and convert to an array - df[df.columns[1:]].values
# we specify the indicies to slice - np.arange(len(df.columns[1:]))[::2]
# then find the max
df['max'] = np.max(np.add.reduceat(df[df.columns[1:]].values,
                                   np.arange(len(df.columns[1:]))[::2],
                                   axis=1),
                   axis=1)

  text  a  b  c  d  max
0    a  1  2  5 -2    3
1    b  2  3  4  4    8
2    c  3  4  2  1    7

这并不是说它更简洁，但你可以用"一次性"分配来代替你目前的方法：

df = df.assign(sum1=df[['a', 'b']].sum(1), sum2=df[['c', 'd']].sum(1),
               maxsum=lambda df: df[['sum1','sum2']].max(1))

text  a  b  c  d  sum1  sum2  maxsum
0    a  1  2  5 -2     3     3       3
1    b  2  3  4  4     5     8       8
2    c  3  4  2  1     7     3       7