如何基于Pandas DataFrame匹配值为chromo数组赋值？

现有Pandas DataFrame（data）与二维数组chromo，其中chromo[0]的元素对应DataFrame中Truck列的数值，chromo[1]初始全为0。需根据chromo[0]中的数值，在DataFrame中匹配对应的Door列数值，赋值给chromo[1]的对应位置。

输入示例 #

import pandas as pd

data = pd.DataFrame({
    'Truck':  [2,4,3,1,6,5],
    'Door':   [1,6,5,2,3,4],
    'Status': [1,1,0,1,1,0]
})

chromo = [
    [3,6,1,2,5,4],
    [0,0,0,0,0,0]]
# chromo[0] 对应 Truck 列数值
# chromo[1] 需填充对应 Door 列数值

解决方案 #

方法1：字典映射（高效简洁） #

先构建Truck与Door的一一映射字典，再通过列表推导式批量赋值：

# 构建映射字典
truck_door_map = dict(zip(data['Truck'], data['Door']))
# 为chromo[1]赋值
chromo[1] = [truck_door_map[truck_id] for truck_id in chromo[0]]

方法2：Pandas Series映射 #

借助Pandas的map方法实现批量匹配：

truck_door_map = dict(zip(data['Truck'], data['Door']))
chromo[1] = pd.Series(chromo[0]).map(truck_door_map).tolist()

输出示例 #

执行代码后，chromo的最终结果：

chromo = [
    [3,6,1,2,5,4],
    [5,3,2,1,4,6]]

内容的提问来源于stack exchange，提问作者Koala