如何在Pandas中基于两个DataFrame生成取B列最小值的新DataFrame

给定两个结构一致的DataFrame：

import pandas as pd

df1 = pd.DataFrame({'A': [0, 2, 4], 'B': [2, 17, 7], 'C': [4, 9, 11]})
df2 = pd.DataFrame({'A': [9, 2, 32], 'B': [1, 3, 8], 'C': [6, 2, 41]})

需求：生成df3，每行从df1和df2的对应行中选取B列值更小的整行数据，最终结果如下：

A  B   C
0  9  1   6
1  2  3   2
2  4  7  11

要求避免逐行迭代，用高效的向量化方法实现。

方法1：利用numpy.where做向量化选择 #

这是最直接的向量化实现，通过比较两DataFrame的B列生成布尔掩码，再逐列选择对应值：

import numpy as np

# 生成布尔数组：标记df2的B列是否小于df1的B列
mask = df2['B'] < df1['B']

# 逐列构造新DataFrame，根据mask选择df2或df1的值
df3 = pd.DataFrame({
    col: np.where(mask, df2[col], df1[col])
    for col in df1.columns
})

np.where是完全向量化的操作，效率远高于逐行循环，适合处理大规模数据。

方法2：合并后按行索引分组取最小值行 #

把两个DataFrame按行堆叠，然后按原索引分组，每组选取B列最小的行：

# 合并两个DataFrame，保留原索引
combined = pd.concat([df1, df2])
# 按原索引分组，每组取B列最小的行（keep='first'确保B相等时优先取df1的行）
df3 = combined.groupby(combined.index).apply(lambda x: x.loc[x['B'].idxmin()]).reset_index(drop=True)

这种方法扩展性更强，若后续需要对比多个DataFrame，只需添加到concat列表即可。

方法3：布尔索引拼接行 #

如果列数较少，可直接通过布尔索引筛选后拼接：

# 筛选df2中B更小的行，加上df1中B更小或相等的行，最后按原索引排序
df3 = pd.concat([df2[mask], df1[~mask]]).sort_index()

逻辑直观，代码简洁，适合快速实现需求。

内容的提问来源于stack exchange，提问作者k1r1t0