如何利用数组提取Pandas DataFrame中的指定值

我是Python新手，不知如何操作。我拥有一个数组和DataFrame：

import numpy as np
import pandas as pd

Column = np.array([3,1,3,2,4]) 
df = pd.DataFrame({
    1:[1,2,3,4,5],
    2:['A','B','C','D','E'],
    3:[6,7,8,9,0],
    4:['F','G','H','I','J']
})

对应的DataFrame内容为：

1  2  3  4
0 1  A  6  F
1 2  B  7  G
2 3  C  8  H
3 4  D  9  I
4 5  E  0  J

我希望根据数组Column中的值，逐行提取对应列的数据，得到结果[6,2,8,'D','J']，即：
6
2
8
D
J

不建议用逐行遍历（效率低），直接用矢量化索引就能高效实现需求：

方法1：利用np.take和df.values #

result = np.take(df.values, Column - 1, axis=1).tolist()
print(result)  # 输出：[6, 2, 8, 'D', 'J']

解释：因为DataFrame的列索引是从1开始，而数组索引从0开始，所以要Column - 1转换为0基索引，np.take按指定轴提取对应位置的元素。

方法2：用df.lookup（注意：pandas 1.2.0后已弃用，推荐方法1） #

result = df.lookup(df.index, Column).tolist()
print(result)  # 输出：[6, 2, 8, 'D', 'J']

方法3：如果一定要逐行遍历（不推荐） #

result = []
for idx, col_num in enumerate(Column):
    result.append(df.loc[idx, col_num])
print(result)  # 输出：[6, 2, 8, 'D', 'J']

这种方法在数据量大时速度很慢，优先用矢量化方法。

内容的提问来源于stack exchange，提问作者rma