lookup 已被 pandas 2.0+ 彻底移除，因隐式索引易出错；推荐用 .loc（标签索引）、.iloc（位置索引）或 df.values[i,j]（整数坐标）替代，优先选择语义清晰、健壮性强的 .loc。
lookup 不是 Python 原生或 pandas 内置的方法，直接调用会报 AttributeError: 'DataFrame' object has no attribute 'lookup' —— 这是新手最常卡住的第一步。
从 pandas 1.2.0 开始，lookup 已被正式弃用（deprecated），并在 2.0+ 版本中彻底移除。你现在没法“用它”，得换等效但更明确、更安全的方式。
为什么 lookup 被删掉？
它隐式依赖行列索引顺序，不检查坐标合法性，容易返回错位值；且不支持 MultiIndex、缺失坐标时静默失败，调试困难。pandas 官方推荐显式索引操作。
pandas 中替代 lookup 的三种可靠写法
根据你的使用场景选一种：
- 要按「行标签 + 列标签」取单个或多个点（如
df.loc[row_label, col_label]）→ 用.loc - 要批量按行/列数组取值（如 100 行 × 5 列的坐标对）→ 用
.iloc配合整数位置索引 - 要类似旧
lookup(row_labels, col_labels)批量取值 → 用df.values[row_indices, col_indices]（最接近原行为，但要求输入是整数位置）
示例：
假设 df = pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]], index=['a','b','c'], columns=['x','y','z'])
想取 ('b','y') 和 ('c','x') 两个点：
# ✅ 推荐：用 .loc（语义清晰，支持标签） df.loc[['b','c'], ['y','x']].values.diagonal() # [5, 7] <h1>✅ 更通用：转整数位置后用 .values 索引（最快，但需确保标签存在）</h1><p>row_pos = df.index.get_indexer(['b','c']) col_pos = df.columns.get_indexer(['y','x']) df.values[row_pos, col_pos] # array([5, 7])</p><h1>❌ 不要用：df.lookup(['b','c'], ['y','x']) → AttributeError</h1>
注意 DataFrame.index/columns 类型对取值的影响
如果行或列是 pd.CategoricalIndex 或含重复标签，.loc 可能返回多行/多列，而 .values 索引会出错（IndexError）。务必先确认：
- 用
df.index.is_unique和df.columns.is_unique检查唯一性 - 用
df.index.get_loc('label')替代手动找下标，避免KeyError - 若列名含空格或特殊字符，
.loc仍可用，但df.label_name会失效
性能差异其实很小，别为“快”选错方式
在万级数据下，.values[i,j] 比 .loc 快约 10–20%，但可读性和健壮性差很多。真正影响速度的是：
- 是否提前把 label 转成整数位置（避免重复
get_indexer） - 是否用了
.copy()或链式赋值触发隐式拷贝 - 是否在循环里反复调用
.loc（应向量化）
旧代码里残留的 lookup 调用，必须改掉——不是语法问题，而是逻辑风险。最稳妥的迁移路径是：先用 df.index.get_indexer + df.values 对齐位置，再批量取；日常开发直接用 .loc，它足够快，也足够安全。
