如何无需两次合并，将单数据集index匹配至双边数据集的两国别列

我有一个双边数据集，包含Country和Partner Country两列国别字段，现有数据集df和df2如下：

df #

df2 #

我希望得到如下结果，且无需执行两次合并操作：

期望输出 #

可以将df2转换为基于(Country, year)的索引映射，直接在df中生成所需的索引列，避免两次合并：

方法1：字典映射 + apply #

import pandas as pd

# 构建(国家, 年份)到index的映射字典
index_mapper = df2.set_index(['Country', 'year'])['index'].to_dict()

# 直接添加两个索引列
df_result = df.assign(
    index_country=df.apply(lambda x: index_mapper[(x['Country'], x['year'])], axis=1),
    index_partner=df.apply(lambda x: index_mapper[(x['Partner Country'], x['year'])], axis=1)
)

# 调整列顺序匹配期望结果
df_result = df_result[['Country', 'index_country', 'Partner Country', 'index_partner', 'year', 'var1']]

方法2：索引定位（更高效） #

如果数据集较大，推荐这种无需apply的方法，性能更优：

import pandas as pd

# 构建多索引的Series
index_series = df2.set_index(['Country', 'year'])['index']

# 通过zip匹配多索引，获取对应值
df_result = df.assign(
    index_country=index_series.loc[zip(df['Country'], df['year'])].values,
    index_partner=index_series.loc[zip(df['Partner Country'], df['year'])].values
)

# 调整列顺序
df_result = df_result[['Country', 'index_country', 'Partner Country', 'index_partner', 'year', 'var1']]

这两种方法都只需要一次数据预处理，不需要执行两次merge操作，就能得到目标结果。

内容的提问来源于stack exchange，提问作者user19562955