如何高效将df1同一客户多类别条目映射到df2对应列单条目中？

需求说明 #

现有两个Pandas DataFrame：

• df1：包含Client、Category、Amount列，同一客户对应多条按类别排列的记录
• df2：包含Client、Due_Date列，以及与df1的Category同名的列（如Service1、Service2）

需要将df1中同一客户的各类别Amount值映射到df2对应列，要求避免低效的双重循环，实现高效处理。

示例数据 #

import pandas as pd

# 输入数据
df1 = pd.DataFrame({
    'Client': ['Rick', 'Rick', 'John'],
    'Category': ['Service1', 'Service2', 'Service1'],
    'Amount': [250, 6, 79]
})

df2 = pd.DataFrame(columns=['Client', 'Due_Date', 'Service1', 'Service2'])

# 期望输出
output = pd.DataFrame({
    'Client': ['Rick', 'John'],
    'Due_Date': [None, None],
    'Service1': [250, 79],
    'Service2': [6, 0]
})

高效实现方案 #

可以通过数据透视（pivot） + 合并（merge） 的方式实现，完全避免循环，利用Pandas的向量化操作提升效率：

步骤1：将df1透视成宽表 #

先把df1按Client分组，将Category作为列，Amount作为值，生成每个客户对应各类别的金额表：

pivoted_df1 = df1.pivot(index='Client', columns='Category', values='Amount').reset_index()

透视后得到的结构：

步骤2：合并到df2并处理缺失值 #

将透视后的表与df2按Client合并，同时把缺失的类别金额填充为0，保留Due_Date列：

• 如果df2已有Client数据，执行合并：

result = pd.merge(pivoted_df1, df2[['Client', 'Due_Date']], on='Client', how='right').fillna({'Service1':0, 'Service2':0})

• 如果df2初始是空表（如示例），直接基于透视表生成结果：

result = pivoted_df1.assign(Due_Date=None).fillna({col:0 for col in df2.columns if col not in ['Client', 'Due_Date']})

完整代码 #

import pandas as pd

df1 = pd.DataFrame({
    'Client': ['Rick', 'Rick', 'John'],
    'Category': ['Service1', 'Service2', 'Service1'],
    'Amount': [250, 6, 79]
})

df2 = pd.DataFrame(columns=['Client', 'Due_Date', 'Service1', 'Service2'])

# 透视df1
pivoted_df1 = df1.pivot(index='Client', columns='Category', values='Amount').reset_index()
# 处理空df2的情况，生成结果并对齐列顺序
result = pivoted_df1.assign(Due_Date=None).fillna({col:0 for col in df2.columns if col not in ['Client', 'Due_Date']})
result = result[df2.columns]

print(result)

运行后输出与示例output完全一致：

Client Due_Date  Service1  Service2
0   John     None        79         0
1   Rick     None       250         6

方案优势 #

• 完全基于Pandas的向量化操作，比双重循环效率提升几个数量级，尤其适合大数据集
• 代码简洁易维护，无需手动处理客户和类别的匹配逻辑
• 自动处理缺失类别，通过fillna可灵活调整填充值

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