Pandas如何将DataFrame某列值作为索引取值并赋值给新列

操作流程：

• 先将符合条件的索引值赋值给A列，调用df.ffill()对该列做向前填充处理
• 后续需要把A列存储的值作为行索引，取出对应行的price列取值，赋值给expected列
• 尝试使用代码df['expected']=df['price'][df['A']]实现该需求，但运行未得到正确结果

import pandas as pd
import numpy as np
d={'trade_date':['2021-08-10','2021-08-11','2021-08-12','2021-08-13','2021-08-14','2021-08-15','2021-08-16','2021-08-17','2021-08-18','2021-08-19','2021-08-20',],'price':[2,12,8,10,11,18,7,19,9,8,12],'cond':[True,False,True,False,True,False,True,False,True,True,True]}
df = pd.DataFrame(d)
df.index=pd.to_datetime(df.trade_date)
df['A']=df.index.where(df['cond'])
df['A']=df['A'].ffill()

原写法df['price'][df['A']]触发了pandas的索引对齐逻辑：用A列的日期值作为标签取price的子集时，返回结果的索引是A列的日期集合，和原DataFrame的行索引无法匹配，最终赋值会出现错位、空值问题。

用map方法做标签到值的直接映射即可，不会触发索引对齐问题，运行结果和预期完全一致：

df['expected'] = df['A'].map(df['price'])

内容的提问来源于stack exchange，提问作者junyu