如何无需循环将df_test数据作为索引提取多重索引DataFrame的值

需求说明 #

现有多级列索引的DataFrame df_multi，以及包含匹配条件的df_test，需要用df_test中的Region（行索引）、Enseigne和boucherie（列的两级索引）作为匹配条件，从df_multi中取值并填充到df_test的taux列，要求不使用循环。

可行解决方案 #

方法1：使用DataFrame.lookup（最简洁）

lookup方法专为按行-列标签对取值设计，完美适配该场景：

# 构造列的元组列表，对应(Enseigne, boucherie)的组合
cols = list(zip(df_test['Enseigne'], df_test['boucherie']))
# 批量匹配取值并赋值
df_test['taux'] = df_multi.lookup(df_test['Region'], cols)

方法2：转成长格式后合并（逻辑最直观）

将df_multi转换为每行对应一个完整匹配组合的长表，再通过合并关联取值：

# 把多级列索引转为行索引，再重置为普通列
df_multi_long = df_multi.stack(level=[0, 1]).reset_index()
df_multi_long.columns = ['Region', 'Enseigne', 'boucherie', 'taux']

# 合并df_test和转换后的表，自动匹配对应值
df_test = df_test.merge(df_multi_long, on=['Region', 'Enseigne', 'boucherie'], how='left')

方法3：通过索引定位批量取值（性能最优）

利用索引位置定位，结合numpy批量提取值，适合大数据量场景：

# 获取每个Region在df_multi行索引中的位置
row_pos = df_multi.index.get_indexer(df_test['Region'])
# 获取每个(Enseigne, boucherie)在df_multi列索引中的位置
col_pos = df_multi.columns.get_indexer(list(zip(df_test['Enseigne'], df_test['boucherie'])))

# 批量提取对应位置的值
df_test['taux'] = np.take_along_axis(df_multi.values, col_pos[None, :], axis=1)[row_pos, np.arange(len(df_test))]

验证结果 #

三种方法最终得到的df_test结果一致：

Region Enseigne       boucherie   taux
0          Est     huit              LS  52.47
1          Est  contact  Traditionnelle  57.45
2      Sud Est  contact              LS  66.10
3    Sud Ouest  express              LS  63.87

内容的提问来源于stack exchange，提问作者Théo M