如何在Pandas中根据data的ZIPCode匹配tmp_df的county并生成新列？

原代码存在的问题 #

1. 效率极低：使用apply逐行遍历DataFrame是Pandas的反模式，尤其是当data数据量较大时，性能会严重下降。
2. 异常风险：tmp_df[tmp_df.zipcode==x]["county"].item()要求匹配结果必须是唯一单值，若不存在匹配或存在多个匹配，都会直接抛出ValueError。
3. 空值判断错误：用y is ""进行空值判断是错误的，is用于对象身份比对，值相等应该用y == ""，且更可靠的方式是使用Pandas的空值检测方法。
4. 类型不匹配隐患：tmp_df的zipcode是object（字符串）类型，若data的ZIPCode是数值类型，会导致匹配完全失效。

最优解决方案：使用Pandas Merge关联 #

Pandas的merge方法是处理DataFrame关联的标准方式，效率远高于逐行遍历，且能自动处理匹配/不匹配的情况：

import pandas as pd
import sqlite3

# 读取tmp_df数据（只读取需要的列，减少内存占用）
with sqlite3.connect("/content/drive/MyDrive/simple_db.sqlite") as con:
    tmp_df = pd.read_sql_query("SELECT zipcode, county from simple_zipcode", con)

# 统一ZIP列的类型为字符串，避免类型不匹配导致的匹配失败
tmp_df['zipcode'] = tmp_df['zipcode'].astype(str)
data['ZIPCode'] = data['ZIPCode'].astype(str)

# 左关联：保留data的所有行，匹配不到的county设为NotFound
data = data.merge(
    tmp_df,
    left_on='ZIPCode',
    right_on='zipcode',
    how='left'
)

# 处理无匹配的情况，将空值替换为"NotFound"
data['County'] = data['county'].fillna('NotFound')

# 清理临时列（可选）
data = data.drop(columns=['zipcode', 'county'])

方案优势 #

• 性能优异：基于矢量运算，比apply快10~100倍（数据量越大优势越明显）。
• 容错性强：自动处理无匹配、多匹配的情况，不会抛出异常。
• 代码简洁：逻辑清晰，易于维护和调试。

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