如何使用Pandas标记DataFrame中匹配另一DataFrame数值的单元格

我有两个Pandas DataFrame：DF1的列标签是特定数字，DF2的ID列里散布着这些列标签数值，两表靠SN列匹配。需要在DF1中对应位置标记"x"，表示该列号出现在对应SN的DF2的ID列里。

示例数据：

import pandas as pd
import numpy as np

# DF1初始状态
DF1 = pd.DataFrame({
    'SN': ['1121', '1122', '1123', '1143', '1156'],
    '12': ['']*5,
    '13': ['']*5,
    '14': ['']*5,
    '15': ['']*5,
    '16': ['']*5
}).set_index('SN')

# DF2数据
DF2 = pd.DataFrame({
    'SN': ['1121', '1122', '1123', '1143', '1156'],
    'ID1': [12, 12, np.nan, np.nan, np.nan],
    'ID2': [15, 16, np.nan, np.nan, np.nan],
    'ID3': [14, 14, np.nan, np.nan, np.nan],
    'ID4': [16, np.nan, np.nan, np.nan, 14],
    'ID5': [np.nan, np.nan, np.nan, np.nan, np.nan]
}).set_index('SN')

期望得到的结果：

12 13 14 15 16
SN                  
1121  x     x  x  x
1122  x     x     x
1123               
1143               
1156       x       

方法一：分步处理（易理解） #

先把DF2的多列ID转成按SN分组的ID集合，再逐个填充DF1：

# 1. 把DF2的所有ID列转成长格式，保留SN和有效ID值
df2_long = DF2.unstack().reset_index()
df2_long.columns = ['ID_col', 'SN', 'ID_value']
df2_valid = df2_long.dropna(subset=['ID_value'])

# 2. 按SN分组，把每个SN对应的ID转成字符串集合（匹配DF1的列名）
sn_id_map = df2_valid.groupby('SN')['ID_value'].apply(lambda x: set(map(str, x)))

# 3. 遍历DF1填充"x"
for sn in DF1.index:
    if sn in sn_id_map:
        target_ids = sn_id_map[sn]
        for col in DF1.columns:
            if col in target_ids:
                DF1.loc[sn, col] = 'x'

print(DF1)

方法二：一行apply搞定（简洁高效） #

利用apply对每行数据做判断：

# 先给DF2的每行生成一个去重的ID字符串集合（去掉NaN）
df2_id_sets = DF2.apply(lambda row: set(map(str, row.dropna())), axis=1)

# 对DF1的每行，检查列名是否在对应SN的ID集合里，是则标"x"
DF1 = DF1.apply(
    lambda row: pd.Series(
        ['x' if col in df2_id_sets[row.name] else '' for col in DF1.columns],
        index=DF1.columns
    ),
    axis=1
)
DF1.index.name = 'SN'

print(DF1)

两种方法都能得到目标结果，方法一适合新手理清逻辑，方法二更适合快速实现。

内容的提问来源于stack exchange，提问作者TheMcFloyd