如何利用DataFrame列作为索引提取列表列元素并与其他列运算生成新列

现有一个多列DataFrame，要用到其中三列：一列是不同长度的列表，另外两列都是单数值列。需求是生成新列，逻辑是用其中一列做列表列的索引，取出对应元素后和该行另一列的数值相乘。

样本数据示例：

• df['actual']：1, 4, 3, 6, 4, 7, 2...
• df['relative track']：2, 0, 1, 5, 3, 4...
• df['weights']：[250,320,250,320], [250,250,500,500,250], [250,300,300]...

目前尝试的代码有问题，想把循环里的i换成relative_track列作为索引：

#Create relative weight variable
df['relative_weigth'] = df['weights'].map(lambda x: i*df['actual'] for i in x)

你写的代码问题出在map只单独处理weights列，没法同时获取同一行的relative track和actual值。应该用apply方法，它能一次性访问整行的所有列数据：

正确代码 #

# 生成relative_weight列
df['relative_weight'] = df.apply(
    lambda row: row['weights'][row['relative track']] * row['actual'],
    axis=1
)

代码说明 #

• axis=1参数指定按行处理每一条数据
• 对每一行，先通过row['relative track']的数值作为索引，从row['weights']列表里取出对应元素
• 再把取出的元素和同一行的row['actual']相乘，得到最终结果

额外提示 #

如果relative track的数值超过对应weights列表的索引范围（比如某行weights只有3个元素，但relative track是5），会触发索引错误。可以加个异常处理避免程序崩溃：

def calculate_relative_weight(row):
    try:
        return row['weights'][row['relative track']] * row['actual']
    except IndexError:
        return None  # 也可以返回0或者其他你需要的默认值

df['relative_weight'] = df.apply(calculate_relative_weight, axis=1)

内容的提问来源于stack exchange，提问作者Teko JR