如何基于共同Category将df2的Value retained与df1的Price相乘并新增列至df1

我有两个DataFrame：

import pandas as pd

data1 = {'Item': ['A', 'B', 'C', 'N'], 'Price': [1, 2, 3, 10], 'Category': ['X', 'Y', 'X', 'Z'], 'County': ['K', 'L', 'L', 'K']}
df1 = pd.DataFrame(data1)

data2 = {'Category': ['X', 'Y', 'Z'], 'Value retained': [0.1, 0.2, 0.8]}
df2 = pd.DataFrame(data2)

需求： 根据对应的Category将'Value retained'与'Price'相乘，并将结果作为新列添加至df1中。

我尝试过以下方法，但都没达到预期：

第一种尝试：

df3 = df1
for cat, VR in df2['Category', 'Value retained']:
    if cat in df1.columns:
        df3[cat] = df1['Price'] * VR

第二种尝试：

df3 = df1['Price'] * df2.set_index('Category')['Value retained']
df3

注：我的真实数据包含25万+条记录、32个不同的Category，每个Category对应不同的'Value retained'值。

解决方案 #

针对大数据量场景，推荐以下两种高效的向量化方法，避免Python循环的性能损耗：

方法1：通过merge关联后计算 #

逻辑直观，适合需要保留Value retained列的场景：

# 按Category合并两个DataFrame，保留df1所有行
merged_df = df1.merge(df2, on='Category', how='left')
# 计算新列
merged_df['Calculated Value'] = merged_df['Price'] * merged_df['Value retained']

# 可选：若不需要保留'Value retained'列，可删除
# merged_df = merged_df.drop('Value retained', axis=1)

方法2：使用map匹配取值（性能更优） #

将df2转为字典，利用map快速匹配Category对应的取值，计算效率更高：

# 转换为Category到Value retained的映射字典
vr_map = df2.set_index('Category')['Value retained'].to_dict()
# 匹配并计算新列
df1['Calculated Value'] = df1['Price'] * df1['Category'].map(vr_map)

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