如何优化多DataFrame的CUSIP匹配代码以更具Pythonic风格？

方案一：循环遍历Broker键（简洁直观） #

直接筛选字典中所有以Broker开头的键，批量完成映射操作，彻底避免重复代码：

# 提取所有Broker相关的键，排除Summary
broker_keys = [key for key in x1 if key.startswith('Broker')]

for broker in broker_keys:
    # 把当前Broker的Price映射到Summary对应列
    x1['Summary'][broker] = x1['Summary']['CUSIP'].map(x1[broker].set_index('CUSIP')['Price'])

方案二：字典推导式+DataFrame.join（高效优雅） #

通过字典推导式构建一个以CUSIP为索引、各Broker价格为列的映射表，再与Summary做左连接，是最符合Pythonic风格的写法：

import pandas as pd

# 构建各Broker价格的统一映射表
broker_price_map = pd.DataFrame({
    broker: x1[broker].set_index('CUSIP')['Price']
    for broker in [key for key in x1 if key.startswith('Broker')]
})

# 一次性将所有Broker价格列合并到Summary中
x1['Summary'] = x1['Summary'].join(broker_price_map, on='CUSIP')

方案三：批量合并后关联（适配复杂预处理） #

如果需要对Broker数据做额外清洗或转换，可以先批量处理所有Broker的DataFrame，再与Summary关联：

import pandas as pd

# 批量处理Broker数据，将Price列重命名为Broker名称
broker_dfs = [
    x1[broker][['CUSIP', 'Price']].rename(columns={'Price': broker})
    for broker in [key for key in x1 if key.startswith('Broker')]
]

# 按CUSIP合并所有Broker的数据
merged_brokers = pd.merge(broker_dfs[0], broker_dfs[1:], on='CUSIP', how='outer')

# 与Summary左连接，添加所有价格列
x1['Summary'] = x1['Summary'].merge(merged_brokers, on='CUSIP', how='left')

其中方案二的字典推导式+join写法最简洁高效，适合绝大多数场景，能轻松应对40个甚至更多Broker的情况。

内容的提问来源于stack exchange，提问作者PyNub