Python 熊猫-如何在没有任何'；钥匙'；使用另一个DF'；s的价值观？

我有一个大的矩阵，上面没有任何“键”，只有简单的数字。一个较小的版本只是为了演示这里的问题，类似于以下输入：

M=pd.DataFrame(np.random.rand(4,5))

我想要完成的是使用另一个给定的DF作为引用，它的结构如下

N=pd.DataFrame({'A':[2,2,2],'B':[2,3,4]})

N['extracted'] = M.iloc[N['A'].astype(int):,N['B'].astype(int)]

…从大DF中提取值，而'A'的值对应于行号，而'B'的值对应于大DF的列号，因此预期输出如下所示：

Large DF
          0         1         2         3         4
0  0.766275  0.910825  0.378541  0.775416  0.639854
1  0.505877  0.992284  0.720390  0.181921  0.501062
2  0.439243  0.416820  0.285719  0.100537  0.429576
3  0.243298  0.560427  0.162422  0.631224  0.033927

Small DF
   A  B
0  2  2
1  2  3
2  2  4

Expected Output:
   A  B extracted values 
0  2  2 0.285719
1  2  3 0.100537
2  2  4 0.429576

到目前为止，我已经尝试过类似的不同版本

N=pd.DataFrame({'A':[2,2,2],'B':[2,3,4]})

N['extracted'] = M.iloc[N['A'].astype(int):,N['B'].astype(int)]

…但它不断失败，错误是

TypeError: cannot do positional indexing on RangeIndex with these indexers
[0    2
 1    2
 2    2

哪种方法最好？ 通过将DF转换为numpy阵列来完成这项工作是否更好

---

谢谢你的帮助

我想您应该使用apply函数。这将逐行地遍历您的数据集

N['extracted'] = N.apply(lambda row: M.iloc[row['A'], row['B']], axis=1)

---

我想你应该使用apply函数。这将逐行地遍历您的数据集

N['extracted'] = N.apply(lambda row: M.iloc[row['A'], row['B']], axis=1)

---

帮了大忙，谢谢。只是想知道，如果是一列接一列的情况，会是什么情况，例如转到“2”列并逐行应用“B”。简单的“轴=0”会失败，不是吗？是的，正确。请记住，在设置值的位置更改应用函数的两个方向。使用df['col_name']设置一列。使用.loc[row，col]可以设置以下任意一种。此函数将第一个和第二个值相加：N.loc['sum_one_and_two']=N.apply（lambda列：列[0]+列[1]，轴=0）非常感谢您的帮助。只是想知道，如果是一列接一列的情况，会是什么情况，例如转到“2”列并逐行应用“B”。简单的“轴=0”会失败，不是吗？是的，正确。请记住，在设置值的位置更改应用函数的两个方向。使用df['col_name']设置一列。使用.loc[row，col]可以设置以下任意一种。此函数将第一个值和第二个值相加：N.loc['sum_one_and_two']=N.apply（lambda列：列[0]+列[1]，轴=0）