如何用Pandas的loc方法替代lookup实现类Zip式选择？

针对df.lookup()被弃用的情况，有两种常用方法用loc实现相同的配对取值逻辑：

方法1：遍历行-列配对组合 #

直接用zip()把行标签和列标签一一配对，通过列表推导式遍历获取每个位置的值：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'a': [10, 20, 30], 'b': [40, 50, 60]}, index=['one', 'two', 'three'])

rows = ["one", "two"]
cols = ["a", "b"]

# 生成配对取值结果
result = [df.loc[row, col] for row, col in zip(rows, cols)]
# 输出：[10, 50]

方法2：利用numpy对角线提取 #

先通过loc选取对应的行和列组成子DataFrame，再用np.diag()提取对角线元素（正好对应行-列的配对值）：

import numpy as np

# 先获取子DataFrame
subset = df.loc[rows, cols]
# 提取对角线值
result = np.diag(subset)
# 输出：array([10, 50])

两种方法都能完全替代df.lookup(rows, cols)的功能，返回的结果格式略有不同（列表/数组），可根据需求转换。

内容的提问来源于stack exchange，提问作者P.Jo