熊猫列作为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']) 

我愿做

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

的是，真正执行这个操作很短的，清洁的方式？

更新

为了精确，我想，其具有对应于第一列包含的索引的值的附加列：df['j'][0] = grid[df['i'][0]]在0柱等

预期输出：

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

并行案例：Numpy-to-Numpy

只是为了展示其中的想法来自于，在标准Python/numpy，如果你有

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

这正是我想做的事情。只有我的密钥不存储在一个向量中，它们存储在一个列中。

Answer 1

这是一个nandy的bug，浮出水面熊猫0.13.0/numpy 1.8.0。

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 

这是你的输出相匹配。您可以将数组分配到一列，只要数组的长度/列表是相同为框架（否则你将如何对齐？）

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