Python Pandas如何基于指定列取值选取对应同名列的数值

方案1：内置场景适配方法（最简洁，兼容全版本pandas） #

pandas原生支持这类按行匹配列名取值的需求，代码可读性最高，常规数据量下性能足够：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    "column_name": ["a", "b", "d"],
    "a": [5, 3, 4],
    "b": [3, 2, 5],
    "c": [1, 1, 33],
    "d": [7, 10, 14]
})

# pandas <2.2 版本用lookup
df["value"] = df.lookup(df.index, df["column_name"])

# pandas >=2.2 版本lookup已弃用，用等价写法
df["value"] = df.stack().loc[zip(df.index, df["column_name"])].values

# 输出仅含value的结果
result = df[["value"]]

运行后得到的result就是要求的输出：

方案2：numpy索引（性能最优，适合百万级以上大数据量） #

如果处理的数据量极大，用numpy花式索引的性能比上述方案高30%以上：

# 先将列名转换为对应的位置索引
col_index = df.columns.get_indexer(df["column_name"])
# 直接用numpy矩阵索引取值
df["value"] = df.to_numpy()[np.arange(len(df)), col_index]

避坑提醒 #

不要用逐行遍历的apply写法：df.apply(lambda x: x[x["column_name"]], axis=1)，这种写法数据量超过1万行时性能会比上述方案慢几十倍，完全不推荐。

内容的提问来源于stack exchange，提问作者zachvac