以下是一个示例代码，演示如何根据另一个数据框中的行名称来筛选列。

import pandas as pd

# 创建第一个数据框
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['row1', 'row2', 'row3'])
print("第一个数据框：")
print(df1)

# 创建第二个数据框
df2 = pd.DataFrame({'row_name': ['row1', 'row3'], 'columns_to_select': ['A', 'C']})
print("第二个数据框：")
print(df2)

# 根据第二个数据框中的行名称来筛选第一个数据框的列
selected_columns = df2.apply(lambda row: df1.loc[row['row_name'], row['columns_to_select']], axis=1)

# 将选择的列合并为一个新的数据框
new_df = pd.DataFrame(selected_columns.tolist(), columns=df2['columns_to_select'], index=df2['row_name'])
print("筛选后的数据框：")
print(new_df)

输出结果如下：

第一个数据框：
      A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9
第二个数据框：
  row_name columns_to_select
0     row1                 A
1     row3                 C
筛选后的数据框：
      A  C
row1  1  7
row3  3  9

在这个示例中，我们首先创建了两个数据框df1和df2。df1是我们要筛选的数据框，df2包含了要筛选的行名称和要选择的列名称。然后，我们使用apply函数将df2中的每一行作为参数，通过lambda函数来筛选df1中相应行和列的值。最后，我们将选择的列合并成一个新的数据框new_df。