如何将参考DataFrame中标签对应的值高效填充至目标Pandas DataFrame的对应列

嘿，你完全没必要手动遍历处理这种需求，Pandas内置了高效的矢量化方法，比Python循环快得多！这里给你两种常用的最优解决方案：

方法一：使用map()（简洁高效，适合单列匹配） #

这种方法是最直接的，先把参考表B转换成字典，然后用map()方法快速将A中data列的动物标签映射到对应的值：

import pandas as pd

# 初始化原始DataFrame
A = pd.DataFrame(index=[0, 1, 2], data=[[1, 2, "goat"], [4, 5, "monkey"], [7,8,"goat"]], columns=["I", "L","data"])
B = pd.DataFrame(index=["goat", "monkey", "sheep"], data=[[10], [40], [70]])

# 将B转换为{动物:值}的字典
value_mapping = B[0].to_dict()
# 为A新增列并填充映射值
A['data value'] = A['data'].map(value_mapping)

print(A)

说明： #

• map()是Pandas的矢量化操作，底层用C实现，比手动循环效率高几个数量级，尤其适合大数据量场景。
• 如果A的data列出现B中没有的标签（比如sheep），对应位置会自动填充NaN，你可以用fillna()方法设置默认值，比如A['data value'] = A['data'].map(value_mapping).fillna(0)。

方法二：使用merge()（适合复杂匹配场景） #

如果你的匹配逻辑更复杂（比如需要多列匹配、保留参考表的更多信息），可以用merge()实现左连接：

import pandas as pd

A = pd.DataFrame(index=[0, 1, 2], data=[[1, 2, "goat"], [4, 5, "monkey"], [7,8,"goat"]], columns=["I", "L","data"])
B = pd.DataFrame(index=["goat", "monkey", "sheep"], data=[[10], [40], [70]])

# 将B的索引转为列并重命名，方便合并
B_formatted = B.reset_index().rename(columns={'index': 'data', 0: 'data value'})
# 左连接合并，保留A的所有行
A = A.merge(B_formatted, on='data', how='left')

print(A)

说明： #

• merge()是Pandas用于数据合并的核心方法，支持多种连接方式（左连接、内连接、外连接等），灵活性更强。
• 这种方法也会自动处理不匹配的标签，填充NaN。

两种方法都能得到你想要的结果，推荐优先用map()，因为在这个单标签匹配的场景下更简洁高效！

内容的提问来源于stack exchange，提问作者swissy