使用Pandas iterrows跨DataFrame匹配值的错误排查求助

问题原因 #

当你使用row['ID'] in df2['ID']时，in操作符作用于Pandas Series对象时，实际检查的是该值是否存在于Series的索引中，而非Series的值中。

你的df2['ID']索引为[0,1,2,3,4]：

• 当row['ID']是4时，4属于索引值，因此返回True（错误判定为匹配）
• 当row['ID']是5时，5不在索引范围内，因此返回False（错误判定为不匹配）
  这就是结果不符合预期的核心原因。

解决方案 #

方法1：将目标列转为集合（修正循环逻辑） #

把df2['ID']转为Python集合，集合的in操作会直接检查值是否存在，且查询效率更高：

id_set = set(df2['ID'])
for i, row in df1.iterrows():
    print(row['ID'])
    if row['ID'] in id_set:
        print("Match")
    else:
        print("No Match")
    print()

正确输出：

1
Match

2
Match

3
Match

4
No Match

5
Match

方法2：使用Pandas向量化操作（推荐） #

Pandas内置的isin()方法是专门用于检查值是否存在于另一个序列的向量化工具，效率远高于逐行循环：

df1['Is_Match'] = df1['ID'].isin(df2['ID'])
print(df1)

输出：

ID  Value  Is_Match
0   1     11      True
1   2     21      True
2   3     23      True
3   4     44     False
4   5      1      True

方法3：合并DataFrame（获取匹配详情） #

如果需要同时关联df2中的Status信息，直接使用merge操作一次性完成匹配与信息整合：

merged_df = df1.merge(df2, on='ID', how='left')
merged_df['Status'] = merged_df['Status'].fillna('No Match')
print(merged_df)

输出：

ID  Value  Status
0   1     11  No Match
1   2     21        y
2   3     23        n
3   4     44  No Match
4   5      1        y

内容的提问来源于stack exchange，提问作者E_Sarousi