如何在Python中用两个DataFrame实现Excel的INDEX/MATCH功能？

我用谷歌搜索到的方案都是merge操作，不符合我的需求。我有两个结构完全匹配（行数、列数一致）的DataFrame：

da（标签矩阵）：

col0 col1 col2 col3 col4 col5
2023-08-14 06:30:01    B    C    D    E    F    G
2023-08-14 06:30:01    B    C    D    E    F    G
2023-08-14 06:30:02    B    C    D    E    F    G
2023-08-14 06:30:03    B    C    D    E    F    G
2023-08-14 06:30:04    B    C    D    E    F    G
2023-08-14 06:30:05    B    C    D    E    F    G
2023-08-14 06:30:06    A    B    C    E    F    G
2023-08-14 06:30:07    A    B    C    E    F    G

db（数值矩阵，与da位置一一对应）：

col0 col1 col2 col3 col4 col5
2023-08-14 06:30:01   28   26    8   -7  -17  -14
2023-08-14 06:30:01   28   26    8   -7  -17  -14
2023-08-14 06:30:02   28   26    8   -5  -17  -14
2023-08-14 06:30:03   28   26    5   -5  -17  -14
2023-08-14 06:30:04   28   26    5  -11  -17  -14
2023-08-14 06:30:05   28   26    5  -11  -17  -10
2023-08-14 06:30:06   33   28   26  -11  -17  -10
2023-08-14 06:30:07   34   28   26  -11  -17  -10

我需要生成结果dc：以da中所有唯一标签为列，每行根据da的标签，从db对应位置取数填充，没有对应标签的列填0，最终效果如下：

A   B   C   D   E   F   G
2023-08-14 06:30:01 0   28  26  8   -7  -17 -14
2023-08-14 06:30:01 0   28  26  8   -7  -17 -14
2023-08-14 06:30:02 0   28  26  8   -5  -17 -14
2023-08-14 06:30:03 0   28  26  5   -5  -17 -14
2023-08-14 06:30:04 0   28  26  5   -11 -17 -14
2023-08-14 06:30:05 0   28  26  5   -11 -17 -10
2023-08-14 06:30:06 33  28  26  0   -11 -17 -10
2023-08-14 06:30:07 34  28  26  0   -11 -17 -10

我已经用以下代码生成了dc的列名，但不知道如何高效填充数据（不想逐行迭代）：

from itertools import chain

a = list(map(set,da.values.T))
b = list(set(chain.from_iterable(a)))
dc = pd.DataFrame(columns = b)

可以利用Pandas的堆叠（stack/unstack）操作实现无迭代的向量化处理，步骤如下：

1. 先整理所有唯一标签并排序（保证列顺序和示例一致）
2. 将da和db堆叠成长格式，对齐位置关系
3. 重新构造索引为「时间+标签」的Series，再转成宽格式并填充0

完整代码：

import pandas as pd
from itertools import chain

# 1. 获取所有唯一标签并按字母排序
all_cols = sorted(set(chain.from_iterable(da.values)))

# 2. 将da和db堆叠，保留原始时间索引和位置对应关系
da_stack = da.stack()
db_stack = db.stack()

# 3. 构造以(时间, 标签)为索引的数值Series
combined_series = pd.Series(
    db_stack.values,
    index=pd.MultiIndex.from_tuples(
        zip(da_stack.index.get_level_values(0), da_stack.values)
    )
)

# 4. 转成宽格式，缺失值填充0，并按指定列顺序整理
dc = combined_series.unstack(fill_value=0).reindex(columns=all_cols)

代码说明： #

• stack() 将DataFrame从宽格式转成长格式，自动保留原始行索引（时间）和列的位置信息
• 构造MultiIndex时，把da的标签作为二级索引，和db的数值一一绑定
• unstack() 将长格式转回宽格式，fill_value=0 自动给不存在的标签列填充0
• reindex(columns=all_cols) 确保列顺序和预期一致

如果你的da和db没有显式的时间索引，需要先把第一列设为索引：

da = da.set_index(da.columns[0])
db = db.set_index(db.columns[0])

内容的提问来源于stack exchange，提问作者Chris