Pandas DataFrame高级索引：根据Series动态选择特定位置元素

import pandas as pd
import numpy as np

# 示例 DataFrame
data = np.arange(25).reshape(5, 5)
df = pd.DataFrame(data, columns=list('abcde'))
print("DataFrame df:")
print(df)
# 输出:
#    a   b   c   d   e
# 0   0   1   2   3   4
# 1   5   6   7   8   9
# 2  10  11  12  13  14
# 3  15  16  17  18  19
# 4  20  21  22  23  24

# 示例 Series
sr = pd.Series({'a': 1, 'c': 2, 'b': 3})
print("\nSeries sr:")
print(sr)
# 输出:
# a    1
# c    2
# b    3
# dtype: int64

result_loop = pd.Series()
for col, row_idx in sr.items():
    result_loop[col] = df.loc[row_idx, col]
print("\n传统循环方法结果:")
print(result_loop)
# 输出:
# a     5
# c    12
# b    16
# dtype: int64

# 1. 对 Series 的值和索引进行 factorize 处理
# a_i 存储 sr 值（行索引）的数值编码，idx 存储 sr 值（行索引）的唯一列表
a_i, idx = pd.factorize(sr)
# a_c 存储 sr 索引（列名）的数值编码，col 存储 sr 索引（列名）的唯一列表
a_c, col = pd.factorize(sr.index)

# 2. 使用 reindex 调整 DataFrame 的行和列顺序，使其与 factorize 结果对齐
# 这一步确保 df 的行和列与 idx 和 col 的顺序一致，方便后续的数值索引
df_reindexed = df.reindex(index=idx, columns=col)

# 3. 将重排后的 DataFrame 转换为 NumPy 数组，并使用数值编码进行 2D 索引
# df_reindexed.to_numpy() 得到一个 NumPy 数组
# a_i 作为行索引，a_c 作为列索引，直接从数组中提取元素
extracted_values = df_reindexed.to_numpy()[a_i, a_c]

# 4. 将提取到的值构建成一个新的 Series，并使用 sr 的原始索引
out_factorize = pd.Series(extracted_values, index=sr.index)

print("\n解决方案一 (factorize + reindex + 2D 索引) 结果:")
print(out_factorize)
# 输出:
# a     5
# c    12
# b    16
# dtype: int64

# 1. 将 DataFrame 堆叠 (stack) 为一个 Series，索引为 MultiIndex (行索引, 列名)
# 并将结果 Series 命名为 'out'，方便后续合并
df_stacked = df.stack().rename('out')
print("\nDataFrame df.stack() 结果示例:")
print(df_stacked.head())
# 输出:
# 0  a     0
#    b     1
#    c     2
#    d     3
#    e     4
# dtype: int64

# 2. 将 Series sr 转换为 DataFrame，以便进行合并
# reset_index() 会将 sr 的索引变为一个普通列 ('index')，值变为另一列 (0)
sr_df = sr.reset_index()
print("\nSeries sr.reset_index() 结果:")
print(sr_df)
# 输出:
#   index  0
# 0     a  1
# 1     c  2
# 2     b  3

# 3. 将 sr_df 与 df_stacked 进行合并
# left_on=[0, 'index'] 表示 sr_df 的第0列（sr的值，即行索引）和 'index' 列（sr的索引，即列名）
# right_index=True 表示与 df_stacked 的 MultiIndex 进行匹配
# how='left' 表示保留 sr_df 的所有行
merged_df = sr_df.merge(df_stacked,
                        left_on=[0, 'index'], # 0 是 sr 的值 (行索引), 'index' 是 sr 的索引 (列名)
                        right_index=True,
                        how='left')

# 4. 设置索引并选择结果列
# 将 'index' 列设置回索引，然后选择 'out' 列作为最终结果
out_merge = merged_df.set_index('index')['out']

print("\n解决方案二 (merge + stack) 结果:")
print(out_merge)
# 输出:
# index
# a     5
# c    12
# b    16
# Name: out, dtype: int64