如何以Pythonic无循环方式在DataFrame中按索引与列关联规则完成赋值操作

当然有！你完全可以利用Pandas的索引对齐特性来避免循环，这里有两种简洁的实现方式：

方法一：直接通过loc定位赋值 #

这是最直接的方式，利用Pandas的标签索引一次性完成赋值：

# 获取df1中对应df2位置索引的行标签
target_rows = df1.iloc[df2.index].index
# 直接定位行和列，批量赋值
df1.loc[target_rows, df2['category']] = df2['value'].values

原理说明：

• df1.iloc[df2.index]：根据df2的索引（也就是df1的位置索引），取出df1中对应的行
• .index：提取这些行的标签（比如['a','b','d','e']），这是后续loc需要的行标签
• df1.loc[target_rows, df2['category']]：精准定位到df1中需要更新的单元格（行标签+列名），然后直接赋值df2的value数组，Pandas会自动按顺序匹配每个位置

方法二：用update方法批量更新 #

如果需要更贴合Pandas的"更新"语义，可以先把df2转换成和df1结构对齐的临时DataFrame，再用update方法：

# 将df2转换为与df1结构匹配的DataFrame
temp_df = df2.set_index(df1.iloc[df2.index].index).pivot(columns='category', values='value')
# 用temp_df更新df1的对应值
df1.update(temp_df)

原理说明：

• set_index(df1.iloc[df2.index].index)：把df2的索引替换成df1对应的行标签，让行索引和df1对齐
• pivot(columns='category', values='value')：把category列转成列名，value作为对应单元格的值，这样temp_df的结构就和df1一致了
• df1.update(temp_df)：自动匹配行标签和列名，用temp_df中的非空值更新df1

这两种方法都比循环更高效、更符合Pandas的风格，尤其是第一种，代码简洁且性能最优。

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