Python中如何通过Series的索引与列名提取DataFrame对应值？

我来帮你搞定这个问题！你想要的是精准提取DataFrame中每行（对应Series的索引）与该行指定列（对应Series的值）交叉位置的单个数值，之前的loc用法没命中这个需求，下面给你几个可行的方案：

方法1：利用Numpy对角线提取（直观易懂） #

当你用df.loc[s.index, s.values]时，会得到一个每行对应所有Series列名的DataFrame，而我们需要的正好是这个DataFrame的对角线元素（第0行第0列、第1行第1列...），用np.diag()就能直接提取：

import pandas as pd
import numpy as np

# 构造你的示例数据
s = pd.Series(['wkeans', 'wContour', 'wDarkBand', 'wContour'], index=[0,1,2,3])
df = pd.DataFrame({
    'wContour': [92.0, 90.0, 84.0, 84.0],
    'wDarkBand': [0.0, 88.0, 86.0, 0.0],
    'wkeans': [94.0, 84.0, 84.0, 102.0]
})

# 提取目标数值
target_values = np.diag(df.loc[s.index, s.values])
print(target_values)
# 输出: [94. 90. 86. 84.]

方法2：使用df.lookup()（专门的行列匹配方法） #

Pandas提供了lookup()方法，专门用于根据行索引和列名的对应关系提取交叉值，不过注意这个方法在Pandas 1.2.0之后被标记为弃用，但目前仍可使用：

target_values = df.lookup(s.index, s.values)
print(target_values)
# 输出同样的结果

方法3：列表推导式（灵活高效） #

如果你想避免依赖Numpy或者弃用的方法，用列表推导式遍历Series的索引和值，逐个提取对应位置的数值也很方便：

target_values = [df.loc[row_idx, col_name] for row_idx, col_name in s.items()]
print(target_values)
# 输出: [94.0, 90.0, 86.0, 84.0]

为什么之前的方法无效？ #

• dfW.loc[myseries]：loc的第一个参数是行索引，你传入的Series会被当作行索引的取值去查找，但你的DataFrame行索引是0-3，而Series的值是列名，自然无法匹配到正确的行。
• dfW.loc[s.index, s.values]：这个操作会选择所有s.index对应的行，以及s.values列出的所有列，得到的是一个4×4的DataFrame（因为s.values有4个元素，包含重复列），而不是每行对应单个列的目标值。

内容的提问来源于stack exchange，提问作者Viktoriia