polars 本身不直接提供类似 pandas `idxmax(axis=1)` 的横向列名定位功能，但可通过 `pl.when().then()` 配合 `pl.coalesce()` 和 `pl.max_horizontal()` 组合实现——即逐列判断是否等于该行最大值，并返回对应列名。
在 Polars 中，pl.max_horizontal("a", "b") 能高效计算每行多列中的最大数值，但若目标是获取最大值所在的列名（而非值本身），就需要借助条件表达式构建逻辑映射。核心思路是：对每一列，判断其值是否等于该行在指定列集合中的最大值；若成立，则返回该列名；最后用 pl.coalesce() 将多个条件结果“合并”为单一字符串列，优先取首个非空匹配。
以下是一个完整、可复用的实现示例：
import polars as pl
df = pl.DataFrame(
{
"a": [1, 8, 3],
"b": [4, 5, None],
}
)
# 指定参与比较的列（支持任意数量）
target_cols = ["a", "b"]
df = df.with_columns(
max_col=pl.coalesce(
[
pl.when(pl.col(name) == pl.max_horizontal(target_cols))
.then(pl.lit(name))
for name in target_cols
]
)
)
print(df)输出结果为：
shape: (3, 3) ┌─────┬──────┬─────────┐ │ a ┆ b ┆ max_col │ │ --- ┆ --- ┆ --- │ │ i64 ┆ i64 ┆ str │ ╞═════╪══════╪═════════╡ │ 1 ┆ 4 ┆ b │ │ 8 ┆ 5 ┆ a │ │ 3 ┆ null ┆ a │ └─────┴──────┴─────────┘
✅ 关键说明：
- pl.max_horizontal(target_cols) 在每行内动态计算最大值（自动忽略 null，与 Pandas skipna=True 行为一致）；
- pl.when(...).then(pl.lit(name)) 生成一个惰性表达式，仅当条件为真时输出列名字符串；
- pl.coalesce() 按顺序尝试各表达式，返回第一个非-null 结果，确保每行仅有一个列名被选中（即使多列并列最大，也按列表顺序取首个匹配项）；
- 此方法天然支持 null 值处理，且完全向量化，无需 .apply() 或 Python 循环，性能优异。
⚠️ 注意事项：
- 若需处理严格并列最大值时返回所有列名（如 "a,b"），则需改用 pl.concat_list() + pl.list.eval() 方式，复杂度上升；
- 列名必须为合法标识符（避免空格或特殊字符），否则 pl.lit(name) 仍有效，但后续操作可能受限；
- target_cols 应预先校验存在性，防止 KeyError，生产环境建议添加 assert all(col in df.columns for col in target_cols)。
该方案是 Polars 社区广泛采用的惯用模式，兼顾简洁性、可读性与执行效率，是替代 Pandas idxmax(axis=1) 的推荐实践。
