如何用向量化方法从DataFrame中按Numpy数组提取HHt列值（无需循环）

给定如下numpy数组，能否不使用for循环，而是通过向量化方法返回DataFrame中HHt列的对应值？

示例数组：

ex_arr = [2643, 2644, 2647]

原循环实现代码：

for i in ex_arr:
    h_p = df.at[i, "HHt"]

示例DataFrame：

预期结果：输出 1、2、5 对应的值。

完全可以用向量化操作替代循环，以下是几种高效的实现方式：

方法1：使用df.loc[]索引（最直接） #

loc支持直接传入索引数组批量提取指定行的指定列，是Pandas中最常用的向量化索引方式：

# 提取对应索引的HHt列值
h_p = df.loc[ex_arr, "HHt"]

# 若需要纯值数组（对应循环逐个取出的结果）
values = h_p.values  # 输出 array([1, 2, 5])
# 或转为列表
values_list = h_p.tolist()  # 输出 [1, 2, 5]

运行后h_p会返回一个Series：

索引
2643    1
2644    2
2647    5
Name: HHt, dtype: int64

方法2：使用df.reindex() #

通过reindex重新对齐DataFrame索引，再提取HHt列：

h_p = df.reindex(ex_arr)["HHt"]

效果和loc一致，适合需要先对齐索引再取值的场景。

方法3：使用Series.take()结合索引位置 #

先获取目标索引在DataFrame索引中的位置，再用take批量取值：

# 获取目标索引对应的位置索引
pos_indices = df.index.get_indexer(ex_arr)
# 提取HHt列对应位置的值
h_p = df["HHt"].take(pos_indices)

这种方式适合需要基于位置而非索引标签操作的场景。

内容的提问来源于stack exchange，提问作者James