Pandas如何按指定索引从DataFrame数组列提取元素生成新列

实现逻辑 #

逐行对齐tokens列的列表和对应位置的索引列表，通过列表下标直接提取目标元素即可，这种写法比调用apply方法运行效率更高。

完整代码 #

import pandas as pd

# 构造示例数据
data = {'id':[1,2,3],
            'tokens': [[ 'in', 'the' , 'morning',
                             'cat', 'run', 'today', 'very', 'quick'],['dog', 'eat', 'meat', 'chicken', 'from', 'bowl'],
                            ['mouse', 'hides', 'from', 'a', 'cat']]}
df = pd.DataFrame(data)
lst_index = [[3, 4, 5], [0, 1, 2], [2, 3, 4]]

# 新增目标列
df['new'] = [
    [token_seq[i] for i in pos]
    for token_seq, pos in zip(df['tokens'], lst_index)
]

运行结果 #

执行代码后输出的DataFrame完全符合预期：

id                                             tokens                  new
0   1  [in, the, morning, cat, run, today, very, quick]    [cat, run, today]
1   2                [dog, eat, meat, chicken, from, bowl]    [dog, eat, meat]
2   3                     [mouse, hides, from, a, cat]  [from, a, cat]

注意：如果lst_index的长度和DataFrame行数不匹配，zip方法会自动按较短的序列长度截断数据，对数据一致性要求高的场景可以提前加一行长度校验，避免数据遗漏。

内容的提问来源于stack exchange，提问作者Rory