如何在同一DataFrame中匹配行列值并生成new_obj_id新列

原始DataFrame结构 #

需求与预期结果 #

需要新增new_obj_id列，结合预期结果，实际规则应为：当前行Column C的值与某行的Column B值匹配时，new_obj_id取该行的obj_id，最终预期结果如下：

原代码的问题 #

你提供的代码存在两处关键错误：

dataframe1['new_obj_id'] = dataframe1.apply(lambda x: x['obj_id'] 
                           if x['Column_B'] in x['Column C']
                           else 'none', axis=1)

1. 列名错误：原始DataFrame的列是Column B（带空格），但代码中写的是Column_B（下划线），会导致无法正确取值。
2. 逻辑完全偏离需求：代码判断的是当前行的Column_B值是否是当前行Column C值的子字符串，而不是在整个DataFrame中找到与当前行值匹配的其他行，并获取其obj_id。

正确解决方案 #

我们可以通过创建映射字典的方式高效实现需求，代码如下：

# 创建Column B到obj_id的映射字典
b_to_obj = df.set_index('Column B')['obj_id'].to_dict()

# 生成new_obj_id列：用Column C的值去匹配映射字典
df['new_obj_id'] = df['Column C'].map(b_to_obj)

代码解释 #

1. df.set_index('Column B')['obj_id'].to_dict()：将Column B的每个值作为键，对应的obj_id作为值，生成字典{'cat': 'a1', 'bat': 'a2', 'man': 'r1', 'apple': 'r2'}。
2. df['Column C'].map(b_to_obj)：遍历每行的Column C值，用映射字典找到对应的obj_id，直接生成new_obj_id列，完全符合预期结果。

如果严格按照你文字描述的需求（当前行Column B的值匹配某行Column C值时取该行obj_id），只需将映射逻辑调换：

c_to_obj = df.set_index('Column C')['obj_id'].to_dict()
df['new_obj_id'] = df['Column B'].map(c_to_obj)

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