python - Panda-Column 作为 numpy 数组的索引

Question

如何使用 panda 行作为 numpy 数组的索引？说我有

>>> grid = arange(10,20)
>>> df = pd.DataFrame([0,1,1,5], columns=['i'])

我想做

>>> df['j'] = grid[df['i']]
IndexError: unsupported iterator index

实际执行此操作的简短而干净的方法是什么？

更新

准确地说，我想要一个额外的列，其值对应于第一列包含的索引:df['j'][0] = grid[df['i'][0 ]] 在列 0 等

预期输出:

index i j 
    0 0 10
    1 1 11
    2 1 11
    3 5 15 

并列案例:Numpy 到 Numpy

只是为了展示这个想法的来源，在标准的 python/numpy 中，如果你有的话

>>> keys = [0, 1, 1, 5]
>>> grid = arange(10,20)
>>> grid[keys]
Out[30]: array([10, 11, 11, 15])

这正是我想做的。只是我的键没有存储在向量中，它们存储在列中。

Answer 1

这是一个在 pandas 0.13.0/numpy 1.8.0 中出现的 numpy 错误。

你可以这样做:

In [5]: grid[df['i'].values]
Out[5]: array([0, 1, 1, 5])

In [6]: Series(grid)[df['i']]
Out[6]: 
i
0    0
1    1
1    1
5    5
dtype: int64

这与您的输出匹配。您可以将数组分配给列，只要数组/列表的长度与框架相同(否则您将如何对齐它？)

In [14]: grid[keys]
Out[14]: array([10, 11, 11, 15])

In [15]: df['j'] = grid[df['i'].values]


In [17]: df
Out[17]: 
   i   j
0  0  10
1  1  11
2  1  11
3  5  15