pandas DataFrame中按另一列指定位置提取字符串列字符的方法

以下为不同场景下的主流实现方案：

方案1：列表推导式（绝大多数场景最优） #

代码最简洁，性能远高于行级apply，适合千万行以下的绝大多数数据集：

df["extracted"] = [s[i] for s, i in zip(df["s"], df["i"])]

如果需要处理索引超出字符串长度的边界情况，可扩展为：

df["extracted"] = [s[i] if 0 <= i < len(s) else pd.NA for s, i in zip(df["s"], df["i"])]

方案2：numpy 向量化实现（超大规模数据集最优） #

完全向量化操作，在百万行以上的数据集上性能表现最佳：

import numpy as np

# 将字符串列转为字符二维数组
char_arr = np.array(df["s"].apply(list).tolist())
# 按行索引和i列的列索引取值
df["extracted"] = char_arr[np.arange(len(df)), df["i"]]

方案3：apply 实现（小数据集可读性最优） #

代码可读性最高，但行级apply性能较差，仅适合万级以下的小数据集使用：

df["extracted"] = df.apply(lambda row: row["s"][row["i"]], axis=1)

你尝试的df["s"].str.get()方法仅支持传入固定整数，不支持传入Series动态取每行的不同索引，因此不适用该场景。

结果验证 #

运行上述任意方案后，输出的df结果如下：

内容的提问来源于stack exchange，提问作者Uri Laserson