如何根据Column A的值匹配对应_Input列设置DataFrame的Column B值？

示例数据 #

先还原你的示例DataFrame：

import pandas as pd

columns = ["Value A_Input",  "Value B_Input", "Value C_Input", "Column A", "Column B"]
raw_data = [
    ["aaa", "ddd", "ggg", "Value A", "aaa"],
    ["bbb", "eee", "hhh", "Value C", "hhh"],
    ["ccc", "fff", "iii", "Value B", "fff"],
]
df = pd.DataFrame(raw_data, columns=columns)

需求说明 #

根据Column A的每行值拼接_Input得到目标列名，将该列对应的值赋值给Column B。

你的代码问题 #

你写的代码存在两个核心问题：

1. str([x for x in df['Column A']])会把整个Column A的所有值转成一个字符串列表，不是逐行处理单个值，无法匹配每行对应的列。
2. 语法错误：代码末尾多了一个右括号)，导致运行报错。

正确解法 #

方法1：用apply逐行处理（简单直观） #

df['Column B'] = df.apply(lambda row: row[row['Column A'] + '_Input'], axis=1)

逐行遍历DataFrame，每行中通过row['Column A'] + '_Input'拼接得到目标列名，再取出该列的值赋值给Column B。

方法2：用lookup（性能更优） #

如果你的Pandas版本在1.5.0及以上，推荐用lookup方法，它比apply效率更高，专门处理这种按行匹配列的场景：

df['Column B'] = df.lookup(df.index, df['Column A'] + '_Input')

lookup接收行索引数组和列名数组，直接定位到每个单元格的值，批量完成赋值。

方法3：用melt+merge（适合复杂场景） #

如果数据量较大或者需要更灵活的关联逻辑，可以先将输入列转成长格式再合并：

# 筛选所有以_Input结尾的列
input_cols = [col for col in df.columns if col.endswith('_Input')]
# 将输入列转成长格式
melted_df = df.melt(
    id_vars=['Column A'],
    value_vars=input_cols,
    var_name='Input_Column',
    value_name='Target_Value'
)
# 生成匹配列：去掉_Input后缀，和Column A对应
melted_df['Match_Key'] = melted_df['Input_Column'].str.replace('_Input', '')
# 只保留匹配成功的行
matched = melted_df[melted_df['Match_Key'] == melted_df['Column A']]
# 合并回原DataFrame并赋值
df['Column B'] = matched['Target_Value'].values

内容的提问来源于stack exchange，提问作者Nick