基于另一个DataFrame的多列匹配标记DataFrame行

针对你的需求——给df1新增Paired列，标记该行的A、B列组合是否存在于df2中，这里提供几种简洁且高效的实现方案：

方案一：使用merge（最简洁的向量化实现） #

利用Pandas的merge方法结合indicator参数，一步完成标记：

import pandas as pd

# 构造输入数据
df1 = pd.DataFrame({'A': [1,2,3,4], 'B': [9,8,7,6]})
df2 = pd.DataFrame({'A': [2,4], 'B': [8,6]})

# 左连接并生成标记列
df1 = df1.merge(df2, on=['A', 'B'], how='left', indicator='Paired')
# 将标记转换为布尔值：'both'表示组合同时存在于两个DataFrame
df1['Paired'] = df1['Paired'] == 'both'

执行后df1的结果如下：

这种方法是Pandas原生的向量化操作，效率极高，代码也最简洁，适合绝大多数场景。

方案二：利用集合查询（大数据量下更高效） #

如果数据集规模极大，可先将df2的A、B组合转换为集合（集合查询时间复杂度为O(1)），再批量判断：

# 将df2的A、B组合转为集合
pair_set = set(df2.itertuples(index=False, name=None))
# 批量判断df1的每行组合是否在集合中
df1['Paired'] = df1.itertuples(index=False, name=None).isin(pair_set)

这种方法避免了DataFrame的连接操作，在超大规模数据下性能会略优于merge，代码也相对简洁。

补充说明 #

因为你提到两个DataFrame的A、B列组合均唯一，所以以上两种方案都不会出现重复匹配的问题，结果完全可靠。

内容的提问来源于stack exchange，提问作者NaiveBayesian