如何将Pandas数据框的区域城市列与RegionCity实例列表匹配？

原代码报错的核心原因：直接用df['Region']和df['City']这两个Series创建RegionCity对象，得到的是一个包含Series的RegionCity实例，而非逐行生成的单个实例，没法和region_city列表里的实例直接比较，从而触发了歧义错误。

下面是几种可行的解决方法：

方法一：用apply逐行生成实例匹配（保留数据类逻辑） #

先把region_city转成集合（提升匹配效率，数据类默认可哈希），再用apply逐行生成RegionCity实例并判断是否在集合中：

from dataclasses import dataclass
import pandas as pd

@dataclass
class RegionCity:
    region: str
    city: str

# 注意修正实例创建方式（原代码append传两个参数会报错）
region_city = []
region_city.append(RegionCity('New York', 'Hempstead town'))
# 转成集合加速匹配
region_city_set = set(region_city)

# 示例数据框
df = pd.DataFrame({
    'Region': ['New York', 'New York', 'California'],
    'City': ['New York City', 'Hempstead town', 'Los Angeles'],
    'Population': ['8,335,897', '393,375', '3,898,747']
})

# 筛选匹配行
filtered_df = df[df.apply(lambda row: RegionCity(row['Region'], row['City']) in region_city_set, axis=1)]
print(filtered_df)

方法二：转元组集合匹配（性能最优） #

跳过数据类实例创建，直接把region_city转成(region, city)元组的集合，匹配数据框行的元组：

# 生成元组集合
region_city_tuples = set((rc.region, rc.city) for rc in region_city)

# 直接匹配列组合的元组
filtered_df = df[df[['Region', 'City']].apply(tuple, axis=1).isin(region_city_tuples)]
print(filtered_df)

方法三：用merge内连接（适合大数据量） #

把region_city转成小数据框，通过内连接筛选匹配行，Pandas的merge对大数据量优化更好：

# 转成匹配用的小数据框
rc_df = pd.DataFrame([(rc.region, rc.city) for rc in region_city], columns=['Region', 'City'])

# 内连接得到匹配行
filtered_df = pd.merge(df, rc_df, on=['Region', 'City'], how='inner')
print(filtered_df)

各方法适用场景 #

• 方法一：需要保留RegionCity数据类的业务逻辑时使用，性能略逊于后两种
• 方法二：纯列匹配场景下性能最优，代码简洁
• 方法三：数据量较大时优先选择，利用Pandas向量化操作提升效率

内容的提问来源于stack exchange，提问作者Jas