如何基于另一DataFrame的两列在Pandas中新增匹配列？

你的问题核心是按「辖区+年份」两个维度匹配人口数据，之前用apply循环查找不仅效率低，还会因为无匹配数据导致索引越界错误。更简便的正确做法是直接基于双键合并：

步骤1：提取df_monthly的年份并转为int类型 #

先从Start_Date中提取年份，转为和df_pop['data_year']一致的int类型：

df_monthly['data_year'] = df_monthly['Start_Date'].dt.year.astype(int)

步骤2：基于双键合并DataFrame #

直接用pd.merge同时匹配「辖区」和「年份」两个条件，一步完成数据关联：

merged_df = pd.merge(
    df_monthly,
    df_pop,
    left_on=['Jurisdiction', 'data_year'],
    right_on=['ori', 'data_year'],
    how='left'  # 用left保留df_monthly所有行，无匹配时year_pop为NaN
)

步骤3：整理结果列 #

把匹配到的人口数据重命名为目标列，并清理冗余字段：

# 重命名列
merged_df.rename(columns={'population': 'year_pop'}, inplace=True)
# 移除不需要的列
merged_df.drop(['data_year', 'ori'], axis=1, inplace=True)
# 赋值回原DataFrame
df_monthly = merged_df

原代码报错原因 #

• 原代码先只按辖区做全量合并，导致merged_df中存在大量年份不匹配的无效行
• 后续用apply循环查找时，一旦某行没有对应辖区+年份的人口数据，values[0]就会因空数组抛出「索引0越界」错误
• 这种循环查找的方式效率极低，远不如Pandas原生的合并操作高效

内容的提问来源于stack exchange，提问作者TheMaffGuy