如何仅将df_2的odds列值传递给df_1每组匹配的首行？

需求说明 #

现有两个Pandas DataFrame：

• df_1包含date、team1、team2、odds列，初始odds为空字符串
• df_2包含runner_home、runner_away、odds列，存储球队组合对应的赔率

核心要求：当df_1中的team1/team2与df_2的runner_home/runner_away完全匹配时，将df_2的odds值填入df_1对应行；同一球队组合在df_1中出现多次时，仅为第一次出现的行赋值，其余行保持原odds值。

示例数据 #

import pandas as pd

df_1 = pd.DataFrame({
    'date':['2023-04-25', '2023-04-25', '2024-06-15', '2023-04-25', '2024-10-02'],
    'team1':['Chelsea', 'Barcelona', 'Vasco', 'Barcelona', 'Vasco'],
    'team2':['Liverpool', 'Real Madrid', 'Flamengo', 'Real Madrid', 'Flamengo'],
    'odds':['', '', '', '', '']
})

df_2 = pd.DataFrame({
    'runner_home':['Barcelona', 'Vasco'],
    'runner_away':['Real Madrid', 'Flamengo'],
    'odds':[2.50, 1.50]
})

期望结果 #

df_1 = pd.DataFrame({
    'date':['2023-04-25', '2023-04-25', '2024-06-15', '2023-04-25', '2024-10-02'],
    'team1':['Chelsea', 'Barcelona', 'Vasco', 'Barcelona', 'Vasco'],
    'team2':['Liverpool', 'Real Madrid', 'Flamengo', 'Real Madrid', 'Flamengo'],
    'odds':['', 2.50, 1.50, '', '']
})

解决方案 #

直接使用merge会给所有匹配行赋值，我们可以通过标记首次出现的匹配行来实现需求，以下是两种可行方案：

方案1：合并+条件赋值 #

import pandas as pd

# 标记每个球队组合的首次出现行（首次出现为False，重复行标记为True）
df_1['is_duplicate'] = df_1.duplicated(subset=['team1', 'team2'], keep='first')

# 左连接两个DataFrame，获取匹配的赔率值
merged = df_1.merge(
    df_2,
    left_on=['team1', 'team2'],
    right_on=['runner_home', 'runner_away'],
    how='left',
    suffixes=('', '_new')
)

# 仅给首次出现的匹配行赋值，其余行保持原odds
df_1['odds'] = merged.apply(
    lambda row: row['odds_new'] if not row['is_duplicate'] and pd.notna(row['odds_new']) else row['odds'],
    axis=1
)

# 清理临时列
df_1.drop('is_duplicate', axis=1, inplace=True)

print(df_1)

方案2：字典映射+批量赋值（高效版） #

适合数据量较大的场景，避免使用apply提升运行效率：

import pandas as pd

# 标记每个球队组合的首次出现行
first_occurrence = ~df_1.duplicated(subset=['team1', 'team2'], keep='first')

# 构建球队组合到赔率的映射字典
odds_map = df_2.set_index(['runner_home', 'runner_away'])['odds'].to_dict()

# 仅给首次出现的匹配行赋值
df_1.loc[first_occurrence, 'odds'] = df_1.loc[first_occurrence].apply(
    lambda x: odds_map.get((x['team1'], x['team2']), x['odds']),
    axis=1
)

print(df_1)

两种方案运行后输出结果均与期望一致：

date       team1       team2 odds
0  2023-04-25      Chelsea    Liverpool     
1  2023-04-25    Barcelona  Real Madrid  2.5
2  2024-06-15        Vasco    Flamengo  1.5
3  2023-04-25    Barcelona  Real Madrid     
4  2024-10-02        Vasco    Flamengo     

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