Python中无需循环实现双条件VLOOKUP及DataFrame数据更新

需求说明 #

我有一个包含14列的大型DataFrame（df1），需基于A、B两列的匹配条件，将另一个长度不同的DataFrame（df2）中的C列值添加到df1的新列中，要求禁止使用for循环。后续需将生成的df3导出再重新导入，并用df4中的值更新df3的C列。

示例数据 #

df1

df2

df4

解决方案 #

步骤1：从df2匹配填充生成df3 #

使用Pandas的merge方法进行左连接，基于A、B两列匹配，自动填充C列，无匹配项则为NaN，全程矢量化操作，效率远高于循环。

import pandas as pd

# 构建示例DataFrame（实际使用时替换为你的数据）
df1 = pd.DataFrame({'A': [1,1,1,2,2,2], 'B': ['a','b','c','a','b','c']})
df2 = pd.DataFrame({'A': [1,1,1], 'B': ['a','b','c'], 'C': ['S','E','E']})

# 左连接匹配，生成df3
df3 = df1.merge(df2, on=['A', 'B'], how='left')

生成的df3结果：

步骤2：导出导入后用df4更新df3的C列 #

先完成导出/导入操作，再用combine_first方法，优先保留df3原有的非空值，用df4的值填充空值。

# 导出df3到文件
df3.to_csv('df3.csv', index=False)
# 重新导入df3
df3 = pd.read_csv('df3.csv')

# 构建示例df4（实际使用时替换为你的数据）
df4 = pd.DataFrame({'A': [2,2,2], 'B': ['a','b','c'], 'C': ['S','E','S']})

# 将df4转换为以A、B为索引的Series，用于匹配更新
update_values = df4.set_index(['A', 'B'])['C']
# 更新df3的C列
df3['C'] = df3.set_index(['A', 'B'])['C'].combine_first(update_values).reset_index(drop=True)

更新后的df3结果：

内容的提问来源于stack exchange，提问作者MariaNaranjo