如何遍历两个同维度Pandas DataFrame的相同索引行列获取对应值

你的需求可以通过iterrows()遍历df1的每一行，结合行列索引定位df2对应值来实现，下面是修正后的代码：

import pandas as pd

# 构造示例数据（实际使用替换成你的df1和df2即可）
df1 = pd.DataFrame({
    'column1': ['A', 'B', 'C'],
    'column2': ['D', 'A', 'F'],
    'column3': ['G', 'H', 'A']
})
df2 = pd.DataFrame({
    'column1': ['E', 'I', 'J'],
    'column2': ['K', 'L', 'M'],
    'column3': ['N', 'O', 'P']
})

# 遍历df1的每一行，获取行索引和行数据
for row_idx, row_data in df1.iterrows():
    # 筛选当前行中值为"A"的所有列索引
    matched_columns = row_data[row_data == "A"].index
    # 逐个取出df2对应位置的值
    for col in matched_columns:
        target_value = df2.loc[row_idx, col]
        print(f"df1行{row_idx}列{col}的'A'对应df2的值: {target_value}")

关键说明 #

• 你原来的for row in df1是遍历df1的列名，不是行数据，这是核心错误，改用iterrows()才能拿到每一行的索引和完整数据
• row_data[row_data == "A"].index会找出当前行所有值为"A"的列，支持一行存在多个"A"的情况
• 因为两个DataFrame维度相同，用df2.loc[row_idx, col]可以精准定位对应单元格；若你的DataFrame用的是纯位置索引（无自定义列名/行名），也可以用df2.iloc[row_idx, df1.columns.get_loc(col)]来定位

内容的提问来源于stack exchange，提问作者Andy Chen