如何利用DataFrame一列的值访问另一列？如何逐行获取值'bleh'？

我来一步步帮你解决这个问题～首先咱们先明确场景：假设你有一个DataFrame，其中一列存储的是其他列的名称，你想通过这列的每个值，去对应提取另一列（或其他列）的该行数据，之后还要筛选出值为bleh的结果。

第一步：构造正确的DataFrame #

你提到之前构造DF时多了一层[]，那咱们先给出一个正确的示例DF：

import pandas as pd

df = pd.DataFrame({
    'target_col': ['data_col1', 'data_col2', 'data_col1', 'data_col3'],
    'data_col1': ['apple', 'banana', 'bleh', 'cherry'],
    'data_col2': ['dog', 'bleh', 'cat', 'elephant'],
    'data_col3': ['red', 'blue', 'green', 'yellow']
})

这里target_col列存的是要访问的列名，data_col1/data_col2/data_col3是存储实际数据的列。

第二步：用一列的值访问另一列的值 #

要实现这个需求，最直接的方式是用apply结合lambda函数，指定按行处理（axis=1）：

# 提取每行根据target_col指定的列的值
df['extracted_value'] = df.apply(lambda row: row[row['target_col']], axis=1)

执行后，DF会新增一列extracted_value，里面就是每行根据target_col的列名提取到的数据。

第三步：逐行获取值'bleh' #

现在要筛选出extracted_value中等于bleh的行，或者直接提取这些bleh值：

• 方式一：筛选出包含bleh的行

bleh_rows = df[df['extracted_value'] == 'bleh']

• 方式二：直接提取所有bleh值组成的Series

bleh_values = df.loc[df['extracted_value'] == 'bleh', 'extracted_value']

补充：更高效的替代方法（避免apply） #

如果你的DF数据量很大，apply的效率可能偏低，这时可以用以下更高效的方式：

# 使用numpy索引实现高效提取
df['extracted_value'] = df.values[df.index, df.columns.get_indexer(df['target_col'])]

这样就能完美实现你的需求啦～

内容的提问来源于stack exchange，提问作者user189035