如何基于含SKU列表的DataFrame为另一DataFrame赋值？

你遇到的ValueError: Incompatible indexer with Series，核心原因是从DF2筛选出的Price是Series对象（哪怕只有一条结果），而DF1的单个单元格需要标量值（单个数字/空值），直接赋值会导致索引类型不兼容。另外你循环用range(6)，但DF1只有2行，这也会引发后续索引越界错误。

方案1：修复循环逻辑（适合小规模数据） #

遍历DF1的真实索引，将筛选出的Series转为标量值，同时处理无匹配的情况：

import pandas as pd

# 假设DF1、DF2已初始化
for idx in DF1.index:
    sku = DF1.loc[idx, 'SKU']
    # 筛选匹配的Price系列
    match_price = DF2[DF2['Included SKUs'].str.contains(str(sku))]['Price']
    # 取第一个匹配值，无匹配则设为缺失值
    DF1.loc[idx, 'Price'] = match_price.iloc[0] if not match_price.empty else pd.NA
    print(DF1.loc[idx])

注意：str.contains可能存在误匹配（比如SKU为"AA"会被包含"A"的组匹配），如果需要精确匹配，优先用下面的方案2。

方案2：向量化拆分匹配（推荐，高效且准确） #

先把DF2的分组SKU拆分为单独行，再通过merge完成匹配，这是pandas的最优实践，既避免循环，又能确保匹配精确：

import pandas as pd

# 1. 拆分DF2的Included SKUs为多行，同时清理SKU的空格
df2_expanded = DF2.assign(SKU=DF2['Included SKUs'].str.split(', ')).explode('SKU')

# 2. 和DF1做左连接，匹配对应Price
DF1 = DF1.merge(df2_expanded[['SKU', 'Price']], on='SKU', how='left')

# 查看最终结果
print(DF1)

执行后DF1会直接得到匹配后的Price，数据量大时速度远快于循环，还能避免str.contains的误匹配问题。

内容的提问来源于stack exchange，提问作者Liz N