如何基于另一列的值指定带后缀的列名并提取对应列值

嘿，我来帮你搞定这个问题！你的需求很明确：根据X列里的数字后缀，提取对应的V1/V2/V3列的值到新的Y列对吧？你之前尝试的代码写法有问题，所以才会报语法错误，咱们一步步来解决。

首先，先说说你原来代码的问题：df['Y'] = df[f"V + df['X']"] 这种写法里，f字符串会直接把V + df['X']当成一个固定的列名，但实际上你需要的是每一行根据X的数值动态匹配对应的V列，而不是一个固定列名。

下面给你几种可行的解决方案，你可以根据自己的情况选择：

方法一：用apply按行处理（最直观） #

这种方法很容易理解，就是逐行读取X列的数值，拼接成对应的V列名，然后提取该列的值：

import pandas as pd
import numpy as np

# 你的示例数据
df = pd.DataFrame({
    'EMPLID': [12, 13, 14, 15, 16, 17, 18],
    'V1': [2,3,4,50,6,7,8],
    'V2': [3,3,3,3,3,3,3],
    'V3': [7,15,8,9,10,11,12],
    'X': [2,3,1,3,3,1,2]
})

# 生成Y列
df['Y'] = df.apply(lambda row: row[f"V{row['X']}"], axis=1)

print(df)

运行后就能得到你想要的结果，和你给出的预期输出完全一致。这里axis=1表示按行处理，每一行的row['X']就是当前行的数字，拼接成V2/V3这样的列名后，提取对应的值。

方法二：用lookup函数（更高效） #

如果你的数据量比较大，apply的效率可能不够高，这时可以用lookup函数，它专门用来根据行索引和列名匹配取值：

# 把X列转成字符串，拼接成对应的V列名
col_names = 'V' + df['X'].astype(str)
df['Y'] = df.lookup(df.index, col_names)

这种方法的运行速度比apply快很多，适合处理大规模数据集。

方法三：用melt转长表后合并（适合V列很多的情况） #

如果你的DataFrame里有很多V列（比如V1到V100），手动写value_vars太麻烦，可以先把V列转成长格式，再和原表合并：

# 把V列转成长表
melted_df = df.melt(
    id_vars=['EMPLID', 'X'], 
    value_vars=[col for col in df.columns if col.startswith('V')],
    var_name='V_col',
    value_name='Y'
)
# 提取V列的数字后缀
melted_df['V_num'] = melted_df['V_col'].str.extract('(\d+)').astype(int)
# 只保留和X列匹配的行，再合并回原表
result = df.merge(
    melted_df[melted_df['V_num'] == melted_df['X']],
    on=['EMPLID', 'X']
).drop(columns=['V_col', 'V_num'])

print(result)

这种方法不需要手动指定所有V列，适合列数较多的场景。

你可以根据自己的实际数据规模和列数选择合适的方法，亲测都能得到你想要的结果哦！

备注：内容来源于stack exchange，提问作者bione_g dgrace