Pandas无键大DataFrame如何通过参考DF的行列值提取对应数据

你此前的写法报错是因为iloc[行范围, 列范围]的语法仅支持传入单个索引值、连续范围切片、布尔数组三种参数类型，无法直接传入两个Series作为逐行对应的坐标对取值，因此触发类型错误。

完全不需要额外做格式转换，直接利用Pandas DataFrame底层numpy数组的高级整数索引特性即可实现，属于纯向量化操作，性能最高，尤其适配你提到的大型纯数值矩阵场景：

import pandas as pd
import numpy as np

# 构造示例数据
M = pd.DataFrame(np.random.rand(4,5))
N = pd.DataFrame({'A':[2,2,2],'B':[2,3,4]})

# 核心赋值逻辑，to_numpy()为pandas官方推荐的取底层数组方法，兼容性优于旧版的.values属性
N['extracted values'] = M.to_numpy()[N['A'], N['B']]

如果不想调用底层numpy数组，也可以用逐行apply的方式实现，但该方案本质是循环遍历，数据量越大性能差距越明显，不推荐大型矩阵使用：

N['extracted values'] = N.apply(lambda row: M.iloc[row['A'], row['B']], axis=1)

两种方案输出结果均符合你的预期要求。

内容的提问来源于stack exchange，提问作者cyclomen