Pandas列表匹配填充列遇ValueError报错，求解决方案

现有两个DataFrame：

import pandas as pd

df1 = pd.DataFrame([{'a': 1}, {'a': 2}, {'a': 8}])
df1['b'] = ""

df2 = pd.DataFrame([{'e': [1,2,3], 'f': 1},{'e': [4,5,6], 'f': 2},{'e': [7,8,9], 'f': 3}])

需求：根据df1['a']的值是否存在于df2['e']的列表中，将对应的df2['f']值填入df1['b']列。

尝试使用apply方法实现：

df1['a'].apply(lambda x: (df2['f'].loc[df2['e'].map(lambda y:x in y)].item()))

但触发错误：

ValueError: can only convert an array of size 1 to a Python scalar

.item()方法要求调用它的Series必须恰好包含一个元素，但以下两种情况会打破这个要求：

1. df1['a']的某个值在所有df2['e']的列表中都不存在，此时筛选出的df2['f']是空Series
2. df1['a']的某个值同时存在于多个df2['e']的列表中，此时筛选出的df2['f']包含多个元素

这两种场景都会触发ValueError，因为.item()无法处理非单元素的Series。

方法1：修复apply逻辑，兼容异常场景 #

将.item()替换为更安全的取值方式，用next()获取第一个匹配值，无匹配时返回默认空字符串：

df1['b'] = df1['a'].apply(
    lambda x: next(iter(df2['f'].loc[df2['e'].apply(lambda y: x in y)]), "")
)

这种写法保留了你习惯的apply思路，同时处理了无匹配的情况；如果需要严格确保每个a值只有一个匹配项，可以额外添加长度检查，但上述写法足够覆盖常规场景。

方法2：向量化处理（高效推荐） #

避免逐行循环，先将df2的列表列展开为多行，再通过合并实现匹配：

# 展开df2的e列表，每个元素对应原f值
df2_exploded = df2.explode('e').rename(columns={'e': 'a'})
# 左合并df1和展开后的df2，匹配a列
df1 = df1.merge(df2_exploded[['a', 'f']], on='a', how='left')
# 无匹配项填充空字符串，赋值给b列
df1['b'] = df1['f'].fillna("")
# 清理临时列
df1 = df1.drop(columns='f')

这种方法的优势：

• 避免循环，处理大数据集时效率远高于apply
• 逻辑直观，不易出现异常
• 自动处理无匹配场景，无需额外判断

内容的提问来源于stack exchange，提问作者Joe Dhirk