Pandas DataFrame出现NameError错误：df2未定义的解决求助

错误原因 #

函数get_id_for_code的内部作用域无法访问外部定义的df2变量，导致抛出NameError。同时你的循环代码还存在两处问题：一是循环遍历的变量名错误（应该是df1.iterrows()而非df.iterrows()）；二是直接赋值result['resultId']会覆盖整列数据，需改为逐行定位赋值。

方法1：修正作用域与循环逻辑 #

将df2作为参数传入函数，同时修复循环中的变量名和赋值逻辑：

def get_id_for_code(code, df2):
    try:
        return df2.loc[df2['code'] == code, 'id'].iloc[0]
    except IndexError:
        return None

# 初始化结果DataFrame
result = df1.copy()
result['resultId'] = None

for index, row in df1.iterrows():
    result.loc[index, 'resultId'] = get_id_for_code(row['col'], df2)

方法2：更高效的Pandas原生方案（推荐用于大型数据） #

iterrows()在处理大型DataFrame时效率极低，推荐使用Pandas原生的map或merge方法，这才是符合Pandas设计思想的高效做法：

方案A：使用map（最简映射）

先构建code到id的映射字典，再快速映射到df1：

# 构建code与id的映射字典
code_to_id = df2.set_index('code')['id'].to_dict()
# 完成映射，不存在的code自动返回None
df1['resultId'] = df1['col'].map(code_to_id)

方案B：使用merge（灵活保留匹配信息）

如果需要保留更多关联数据，用左连接更灵活：

# 左连接，保留df1所有行，匹配不到的id显示为NaN
result = df1.merge(df2, left_on='col', right_on='code', how='left')
# 可选：将NaN替换为None
result['id'] = result['id'].where(result['id'].notna(), None)
# 可选：重命名列并清理冗余字段
result = result.rename(columns={'id': 'resultId'}).drop('code', axis=1)

这两种方法的执行效率远高于循环遍历，尤其适合你提到的大型内部数据场景。

内容的提问来源于stack exchange，提问作者Pallavi