如何解决Pandas中用DataFrame索引提取NumPy数组值的警告问题

我有一个NumPy数组：

import numpy as np
np.random.seed(123456)
a=np.random.randint(0,9, (5,5))

# 数组内容
# array([[1, 2, 1, 8, 0],
#        [7, 4, 8, 4, 2],
#        [6, 6, 7, 2, 6],
#        [2, 4, 4, 7, 4],
#        [4, 4, 5, 1, 7]])

还有一个存储目标数据索引的Pandas DataFrame：

import pandas as pd
df = pd.DataFrame([[0,1],[1,2],[2,3]],columns=['i','j'])

过去用以下代码提取对应值：

df['vals'] = df[['i', 'j']].apply(lambda x: a[x[0], x[1]], axis=1)

能得到预期结果：

i  j  vals
0  0  1     2
1  1  2     8
2  2  3     2

但现在触发了FutureWarning：

FutureWarning: Series.getitem treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use ser.iloc[pos]
df['vals'] = df[['i', 'j']].apply(lambda x: a[x[0], x[1]], axis=1)

尝试过df.loc[:, 'vals'] = df.loc[:,['i', 'j']].apply(lambda x: a[x[0], x[1]], axis=1)仍有警告，用df['vals'] = df[['i', 'j']].apply(lambda x: a[*x], axis=1)出现语法错误，不想屏蔽警告，求解决方法。

方法1：用iloc明确按位置访问Series元素 #

警告的根源是x[0]、x[1]这种在Series中按位置取值的方式即将被弃用，改用iloc明确指定位置即可消除警告：

df['vals'] = df[['i', 'j']].apply(lambda x: a[x.iloc[0], x.iloc[1]], axis=1)

方法2：直接用NumPy数组索引（效率更高） #

避开apply，直接提取i、j列的NumPy数组作为索引，大数据量下性能更优：

df['vals'] = a[df['i'].values, df['j'].values]

方法3：通过to_numpy转置后索引 #

将索引列转成二维数组后转置，再作为NumPy数组的索引：

df['vals'] = a[tuple(df[['i', 'j']].to_numpy().T)]

内容的提问来源于stack exchange，提问作者Wesley Kitlasten