如何解决DataFrame指定列条件遍历匹配赋值的迭代问题？

原代码的核心问题 #

1. 迭代器调用错误：RCMLocations.iterrows是方法，必须加括号iterrows()才能生成可迭代的行对象，否则无法进入循环。
2. 列赋值逻辑错误：循环中直接给整列RCMLocations["ID"]赋值，会覆盖所有行的结果，而不是仅更新当前匹配的行。
3. 效率低下：用iterrows循环遍历DataFrame是pandas中效率最低的操作之一，尤其在数据量较大时会严重拖慢运行速度。

修复方案 #

方案1：修正循环逻辑（不推荐，仅作错误示例修复） #

如果一定要用循环，需要修正调用方式和赋值逻辑：

RCMLocations["ID"] = ""
# 调用iterrows()生成迭代器
for i, row in RCMLocations.iterrows():
    # 筛选匹配的记录并提取值
    match_result = ultimo_data.loc[
        ultimo_data["Specifieke_omschrijving_beheerobject"] == row["Description"],
        "Systeemdeelnummer"
    ]
    # 仅当有匹配结果时，给当前行的ID赋值
    if not match_result.empty:
        RCMLocations.at[i, "ID"] = match_result.iloc[0]

方案2：使用map映射（推荐，高效简洁） #

利用pandas的向量化操作，先构建描述与编号的映射字典，再批量匹配赋值：

# 构建映射字典：以描述为键，编号为值（先去重避免重复匹配）
desc_to_id = ultimo_data.drop_duplicates(subset="Specifieke_omschrijving_beheerobject")\
                        .set_index("Specifieke_omschrijving_beheerobject")["Systeemdeelnummer"]

# 批量匹配，无匹配项填充为空字符串
RCMLocations["ID"] = RCMLocations["Description"].map(desc_to_id).fillna("")

方案3：使用merge合并（推荐，适合复杂匹配场景） #

通过DataFrame合并操作实现匹配赋值，逻辑更清晰：

# 仅保留ultimo_data中需要的两列，避免冗余数据
ultimo_subset = ultimo_data[["Specifieke_omschrijving_beheerobject", "Systeemdeelnummer"]]

# 左连接合并，保留RCMLocations的所有行
merged_df = RCMLocations.merge(
    ultimo_subset,
    left_on="Description",
    right_on="Specifieke_omschrijving_beheerobject",
    how="left"
)

# 将合并后的编号列赋值给ID，空值填充为空字符串
RCMLocations["ID"] = merged_df["Systeemdeelnummer"].fillna("")

关键说明 #

• 方案2和3都是pandas推荐的向量化操作，运行效率比循环高几个数量级，尤其是数据量超过万行时差距明显。
• 如果ultimo_data中存在同一描述对应多个编号的情况，需要先通过drop_duplicates或分组聚合确定唯一匹配值，避免结果混乱。

内容的提问来源于stack exchange，提问作者Tessa