Pandas中如何通过索引列表提取对应值列表的元素？

你的需求是对DataFrame每一行，从df['all']的列表中提取df['ind']列表里索引对应的元素——比如第0行df['ind'] = [1,2]，要从[0,2,3]里取出索引1和2的元素得到[2,3]。

你之前的代码错误在于：用df['ind'].apply()时，lambda里的df.at[i, 'all']是取第i行的all列，而非当前行all列表中索引为i的元素。

正确代码示例 #

import pandas as pd
df = pd.DataFrame([[0, 2, 3], [5, 6, 5], [10, 20, 30]],index=[0, 1, 2], columns=['A', 'B', 'C'])
df['all'] = df.apply(lambda x: [i for i in x], axis=1)
e = pd.Series([[1,2],[0], [1,3]], index=[0, 1, 2])
df = df.assign(ind=e.values)

# 核心修正：通过axis=1的apply同时访问每行的all和ind列
df['values'] = df.apply(lambda row: [row['all'][idx] for idx in row['ind']], axis=1)

print(df)

输出结果 #

A   B   C           all     ind  values
0   0   2   3     [0, 2, 3]  [1, 2]  [2, 3]
1   5   6   5     [5, 6, 5]     [0]     [5]
2  10  20  30  [10, 20, 30]  [1, 3]  [20]

注：第2行ind包含索引3，但row['all']的长度为3（最大索引是2），因此仅能提取到索引1的元素20。若要避免索引越界，可添加判断逻辑：[row['all'][idx] for idx in row['ind'] if idx < len(row['all'])]

效率优化方案 #

如果数据量较大，apply的效率可能偏低，可改用列表推导式实现相同逻辑，速度更快：

df['values'] = [
    [all_list[idx] for idx in ind_list] 
    for all_list, ind_list in zip(df['all'], df['ind'])
]

内容的提问来源于stack exchange，提问作者Muhammad Usman Rafique