如何基于DataFrame的B列整数从A列列表中取对应索引值？

你的问题出在列表推导式的双重循环上——for y in df['A'] for x in df['B']会把所有A列的列表和所有B列的值做笛卡尔积配对，而不是每行的A和对应的B一一对应，这自然得不到你想要的结果。

下面给你两种可行的解决方案：

方案1：用zip实现逐行配对的列表推导式 #

因为Python的列表是0-based索引（从0开始计数），而你的示例里B列值为2时要取第3个元素（值为6），所以需要把B列的值减1转换成0-based索引：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'A': [[1,5,6,3,4], [2,7,9], [8,10]],
    'B': [2, 3, 1]
})

# 提取对应元素
result = [a[b-1] for a, b in zip(df['A'], df['B'])]
print(result)  # 输出: [6, 9, 8]

如果你的B列本来就是0-based的索引（比如值为1时取第二个元素），直接去掉-1即可。

方案2：用pandas的apply方法生成新列 #

如果想直接在DataFrame里新增结果列，用apply更贴合pandas的使用习惯：

df['result'] = df.apply(lambda row: row['A'][row['B']-1], axis=1)
print(df)

输出结果：

A  B  result
0  [1, 5, 6, 3, 4]  2       6
1        [2, 7, 9]  3       9
2         [8, 10]  1       8

额外提示：避免索引错误 #

如果B列的值可能超出A列列表的长度范围，可以添加判断逻辑防止报错：

df['result'] = df.apply(
    lambda row: row['A'][row['B']-1] if 1 <= row['B'] <= len(row['A']) else None,
    axis=1
)

这样当B的值无效时，结果会设为None，而不是抛出索引越界异常。

内容的提问来源于stack exchange，提问作者marbohu