如何基于df1的价格从df2提取对应产品的指定价格范围行？

首先得说下你之前代码里的几个问题，这些是导致失败的主要原因：

• 嵌套循环遍历大型DataFrame效率极低，数据量大的话会慢到离谱
• 变量名有错误（比如np2L应该是np2，还有MD根本没定义，应该是基于pr1的上下限吧？）
• 每次循环直接赋值df3 = df2[...]，会把之前的结果完全覆盖，根本没实现累加
• .ix已经被Pandas弃用了，现在不推荐用这个方法

针对你的需求，最适合大型DataFrame的高效方法是用merge关联+矢量化过滤，比循环快N倍，逻辑也更清晰，具体步骤如下：

步骤说明 #

1. 先把两个DataFrame按产品关联起来：用pd.merge匹配df1的product和df2的product1，这样每个df2的行都会带上对应df1的价格
2. 筛选价格符合±5区间的行：直接判断df2的price1是否在df1.price-5到df1.price+5之间
3. 整理结果：如果只需要保留df2原来的列，直接提取即可

具体代码 #

import pandas as pd

# 1. 关联两个DataFrame，只保留产品匹配的行（inner join）
merged_data = pd.merge(
    df1, 
    df2, 
    left_on='product',  # df1的产品列名
    right_on='product1',  # df2的产品列名
    how='inner'
)

# 2. 过滤价格在±5区间内的行
filtered_data = merged_data[
    (merged_data['price1'] >= merged_data['price'] - 5) & 
    (merged_data['price1'] <= merged_data['price'] + 5)
]

# 3. 提取df2的原始列到df3（如果不需要df1的列）
df3 = filtered_data[df2.columns.tolist()]

如果你非要用循环（不推荐大型数据） #

如果坚持想用循环实现，得修正原来的逻辑，比如不要覆盖df3，而是用concat累加结果：

df3 = pd.DataFrame()
for _, row_df1 in df1.iterrows():
    target_product = row_df1['product']
    price_lower = row_df1['price'] - 5
    price_upper = row_df1['price'] + 5
    
    # 筛选df2中符合条件的行
    temp_rows = df2[
        (df2['product1'] == target_product) &
        (df2['price1'] >= price_lower) &
        (df2['price1'] <= price_upper)
    ]
    
    # 追加到df3，注意ignore_index重置索引
    df3 = pd.concat([df3, temp_rows], ignore_index=True)

不过再次强调，这个方法对于大型DataFrame效率极低，能不用就不用。

内容的提问来源于stack exchange，提问作者user12977758