如何匹配DataFrame的X列值与列名并提取对应列的数值？

问题说明 #

现有示例DataFrame如下：

A  B  C  X  result
1  2  3  B  2 
5  6  7  A  5
8  9  1  C  1

需求为：根据X列的取值匹配对应的列名，提取该列的数值生成result列。

解决方案 #

方法1：使用df.lookup()（高效简洁，适用于pandas <1.2.0） #

lookup是pandas专门用于按行和列索引提取值的方法，直接指定行索引和X列的列名即可快速生成结果：

import pandas as pd

# 构造示例数据
data = {
    'A': [1, 5, 8],
    'B': [2, 6, 9],
    'C': [3, 7, 1],
    'X': ['B', 'A', 'C']
}
df = pd.DataFrame(data)

# 生成result列
df['result'] = df.lookup(df.index, df['X'])

方法2：使用apply+loc（通用兼容，适合全版本pandas） #

如果你的pandas版本较高（lookup已被标记为废弃），可以用apply逐行处理，通过loc定位对应列的值：

df['result'] = df.apply(lambda row: row.loc[row['X']], axis=1)

这个方法逻辑直观，容易理解，适合小数据集或需要自定义扩展的场景。

方法3：使用melt+merge（灵活扩展，适合复杂场景） #

通过将宽表转窄表，再合并匹配的方式实现，适合需要处理更复杂匹配逻辑的场景：

# 将A/B/C列转成窄表结构
melted_df = df.melt(
    id_vars=['X'],
    value_vars=['A', 'B', 'C'],
    var_name='match_col',
    value_name='result'
)
# 只保留匹配成功的行，再合并回原表
df = df.merge(
    melted_df[melted_df['match_col'] == melted_df['X']],
    on='X',
    how='left'
)

内容的提问来源于stack exchange，提问作者geaa