如何更简洁地基于DATE和symbol从df1向df2提取对应值？

针对你的需求，这里有几种比melt+merge更简洁高效的实现方式，适合处理大量DataFrame：

方法1：使用DataFrame.lookup（推荐，性能最优） #

lookup是Pandas专门为行列匹配取值设计的方法，直接根据两组标签（行标签和列标签）提取对应位置的值，无需转换数据结构，效率极高。

示例代码：

import pandas as pd

# 示例数据
df1 = pd.DataFrame({
    'DATE': ['2006-10-31', '2006-11-30', '2006-12-28'],
    'a': [100, 10, 50],
    'b': [200, 400, 5],
    'c': [300, 5, 90]
})
df2 = pd.DataFrame({
    'DATE': ['2006-10-31', '2006-11-30', '2006-12-28'],
    'symbol': ['a', 'b', 'c']
})

# 提取值并赋值给df2
df2['desired output'] = df1.set_index('DATE').lookup(df2['DATE'], df2['symbol'])

执行后df2的结果：

DATE symbol  desired output
0  2006-10-31      a             100
1  2006-11-30      b             400
2  2006-12-28      c              90

方法2：使用DataFrame.loc结合索引 #

将df1的DATE设为索引后，利用loc按行（DATE）和列（symbol）取值，适合需要更灵活操作的场景：

df1_indexed = df1.set_index('DATE')
df2['desired output'] = [df1_indexed.loc[date, sym] for date, sym in zip(df2['DATE'], df2['symbol'])]

注意：这种方法本质是循环，数据量极大时性能略逊于lookup，但代码直观易懂。

方法3：使用merge的优化写法（避免显式melt） #

如果习惯用merge，可以通过melt的链式调用简化代码，减少中间变量：

df2 = df2.merge(
    df1.melt(id_vars='DATE', var_name='symbol', value_name='desired output'),
    on=['DATE', 'symbol'],
    how='left'
)

这种写法比分步melt+merge更简洁，但性能和分步操作一致，适合对merge逻辑更熟悉的用户。

内容的提问来源于stack exchange，提问作者stvlam22