Python 是否有一种矢量化的方式来访问另一列中明确指示的列的值？

我很抱歉，如果以前有人问过这个问题，这似乎很琐碎，但不知为什么我找不到答案

假设我有一个列（

选中的

），其中包含另一列的名称（

选项1

，

选项2

，

选项3

，

选项4

）：

因此，例如，对于第一行（

id==0

），所选

列指示值存储在
选项_4
（即110.0）中，对于第二行，它存储在
选项_2
，等等

是否有一种矢量化方法（例如，不使用apply）可以获得一个新的系列（列），其中仅包含所选
列中指示的值？

这似乎是一种常见的情况，我发现很难相信除了使用apply之外没有其他方法，特别是考虑到像and这样的方法正好以这种格式返回列


如何使用apply实现结果的示例
使用：

使用：

@jesrael，我用了你的答案，注意到我的代码更慢了。经过一些测试后，我发现
min
比
lookup
更快（请参见a）。你知道我会错过什么吗？@toto_tico问得很难，我不是熊猫开发者。也许问题熊猫更适合于少数列和大量od行。@jesrael，我用了你的答案，注意到我的代码更慢。经过一些测试后，我发现
min
比
lookup
更快（请参见a）。你知道我会错过什么吗？@toto_tico问得很难，我不是熊猫开发者。对于少数列和大量od行，问题熊猫可能更为优化。
    id  option_1    option_2    option_3    option_4    selected
0   0   10.0        NaN         NaN         110.0       option_4
1   1   NaN         20.0        200.0       NaN         option_2
2   2   NaN         300.0       30.0        NaN         option_3
3   3   400.0       NaN         NaN         40.0        option_1
4   4   600.0       700.0       50.0        50.0        option_3

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'id': [0,1,2,3,4], 
    'option_1': [10,     np.nan, np.nan, 400,    600], 
    'option_2': [np.nan, 20,     300,    np.nan, 700], 
    'option_3': [np.nan, 200,    30,     np.nan, 50],
    'option_4': [110,    np.nan, np.nan, 40,     50], 
    'selected': ['option_4','option_2','option_3','option_1','option_3']
})
df['value'] = df.apply(lambda x: x[x['selected']], axis=1)

df['value'] = df.lookup(df.index, df['selected'])
print (df)
   id  option_1  option_2  option_3  option_4  selected  value
0   0      10.0       NaN       NaN     110.0  option_4  110.0
1   1       NaN      20.0     200.0       NaN  option_2   20.0
2   2       NaN     300.0      30.0       NaN  option_3   30.0
3   3     400.0       NaN       NaN      40.0  option_1  400.0
4   4     600.0     700.0      50.0      50.0  option_3   50.0