基于Zipcode匹配为df1填充租金列：多值取均值单值直接取

你的嵌套循环存在两个核心问题：

• 效率极低：df1有13万行，嵌套循环会产生巨量迭代次数，处理速度慢到离谱
• 赋值逻辑错误：df1['rent'] = df2['rent']会把df2的rent列直接覆盖到df1，完全没实现按zipcode匹配对应值的需求

用Pandas的分组+合并可以高效解决你的需求，步骤如下：

1. 计算每个zipcode的租金均值 #

对df2按zipcodes分组，计算每组的rent均值——单条记录的均值就是它本身，多条记录的均值就是你要的平均值，刚好契合需求：

# 按zipcodes分组计算租金均值，得到每个zipcode对应的租金映射
zip_rent_map = df2.groupby('zipcodes')['rent'].mean().reset_index()

2. 将租金数据合并到df1 #

用左连接把计算好的租金均值匹配到df1的对应行，保留df1所有原始数据：

# 左连接：通过zipcodes列匹配，把rent列合并到df1
df1 = df1.merge(zip_rent_map, on='zipcodes', how='left')

可选：处理未匹配到的情况 #

如果df1里有df2不存在的zipcode，合并后对应的rent会是NaN，你可以根据需求填充默认值，比如：

# 把未匹配到的rent填充为0（也可以换成其他合理值）
df1['rent'] = df1['rent'].fillna(0)

这个方法完全利用Pandas的向量化操作，处理13万行数据速度极快，逻辑也精准符合你的需求。

内容的提问来源于stack exchange，提问作者R_Sengupta