Panda-Column作为numpy数组的索引

Question

如何使用熊猫行作为numpy数组的索引？说我有

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

我想要做

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

实际执行此操作的简短方法是什么？

更新

确切地说,我想要一个额外的列,其值与第一列包含的索引相对应:df['j'][0] = grid[df['i'][0]]在列0等中

预期产量:

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

平行案例:Numpy-to-Numpy

只是为了显示这个想法的来源,在标准的python /中numpy,如果你有

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

这正是我想要做的.只有我的键没有存储在矢量中,它们才存储在一列中.

Answer 1

这是一个numpy bug,表现为pandas 0.13.0/numpy 1.8.0.

你可以做:

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

这符合您的输出.您可以将数组分配给列,只要数组/列表的长度与帧相同(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