如何在Pandas中依据动态列索引跨DataFrame提取对应值？

方法1：使用DataFrame.lookup（高效推荐） #

lookup是pandas专门用于按行、列标签匹配取值的方法，效率优异，适合处理较大数据集：

# df2的列名为字符串类型，需将df1的reference转为字符串以匹配列名
df1['output'] = df2.lookup(df1.index, df1['reference'].astype(str))

方法2：使用apply逐行匹配（直观易懂） #

如果数据量不大，apply的逻辑更直白，适合快速验证需求：

df1['output'] = df1.apply(
    lambda row: df2.loc[row.name, str(row['reference'])],
    axis=1
)

方法3：转置合并（灵活通用） #

将df2转为长格式后通过合并操作实现匹配，适合需要扩展后续逻辑的场景：

# 将df2转换为长格式
df2_melted = df2.reset_index().melt(
    id_vars='date',
    var_name='reference',
    value_name='output'
)
# 统一reference的类型，与df1匹配
df2_melted['reference'] = df2_melted['reference'].astype(int)
# 合并df1与转换后的df2
df1 = df1.reset_index().merge(df2_melted, on=['date', 'reference']).set_index('date')

执行任意上述方法后，df1会生成期望的结果：

reference  output
date                         
2023-01-01          1       9
2023-01-02          2       5
2023-01-03          3       7
2023-01-04          4       4

内容的提问来源于stack exchange，提问作者younggotti