如何基于DataFrame的仓库与日期组合提取另一DataFrame的值

现有两个DataFrame：
df结构如下：

Warehouse        Date                Count
0     Delhivery Goa Warehouse     2022-05-12                83
1     Delhivery Goa Warehouse     2022-05-15                 1
2     Delhivery Goa Warehouse     2022-05-18               100
3     Delhivery Tauru Warehouse   2022-05-19               100
4     Delhivery Tauru Warehouse   2022-05-20               100

df_orig结构如下：

index                          Goa    Tauru    
0     2022-05-12Delhivery Goa Warehouse     100.0     0.0   
1     2022-05-15Delhivery Goa Warehouse     100.0     0.0   
2     2022-05-18Delhivery Goa Warehouse     100.0     0.0   
3     2022-05-20Delhivery Tauru Warehouse    0.0     50.0   
4     2022-05-19Delhivery Tauru Warehouse    0.0     70.0   

需要根据df的Warehouse与Date列的组合，从df_orig中提取对应值，预期输出：

Warehouse        Date                Count      original
0     Delhivery Goa Warehouse     2022-05-12                83       100
1     Delhivery Goa Warehouse     2022-05-15                 1       100
2     Delhivery Goa Warehouse     2022-05-18               100       100
3     Delhivery Tauru Warehouse   2022-05-19               100       70
4     Delhivery Tauru Warehouse   2022-05-20               100       50

用户初步尝试的代码：

df['index1'] = str(df['Date']) + str(df['Warehouse'])
original = []
for index, row in df.iterrows():
    if row['index1'] == df_orig['index']:
        original.append(????)

问题分析 #

你之前的代码有两个关键问题：

1. str(df['Date'])会把整个Date列转成一个字符串（而非逐行取Date值），导致生成的index1完全错误，无法匹配df_orig的index列。
2. row['index1'] == df_orig['index']是用标量和整个Series比较，得到的是布尔Series，不能直接用来判断匹配。

下面提供两种高效的实现方法：

方法一：使用apply逐行匹配（直观易懂） #

import pandas as pd

# 生成正确的匹配key：逐行拼接Date（转字符串）和Warehouse
df['match_key'] = df['Date'].astype(str) + df['Warehouse']

# 将df_orig的index设为其"index"列，方便快速查找
df_orig.set_index('index', inplace=True)

# 定义函数提取对应区域的值
def get_original_value(row):
    # 从Warehouse中提取区域（Goa/Tauru）
    region = row['Warehouse'].split()[1]
    # 根据match_key定位df_orig的行，再取对应区域列的值
    return df_orig.loc[row['match_key'], region]

# 生成original列
df['original'] = df.apply(get_original_value, axis=1)

# 删除临时的match_key列（可选）
df.drop('match_key', axis=1, inplace=True)

方法二：转长表后合并（向量化操作，效率更高） #

适合数据量较大的场景，避免循环：

import pandas as pd

# 将df_orig从宽表转成长表，每个index对应Goa/Tauru两行数据
df_orig_long = df_orig.melt(
    id_vars='index',
    var_name='Region',
    value_name='original'
)

# 给df生成匹配key和提取Region列
df['match_key'] = df['Date'].astype(str) + df['Warehouse']
df['Region'] = df['Warehouse'].str.split().str[1]

# 按match_key和Region合并两个DataFrame
result = df.merge(
    df_orig_long,
    left_on=['match_key', 'Region'],
    right_on=['index', 'Region'],
    how='left'
).drop(columns=['match_key', 'index'])

两种方法都能得到预期的输出结果。

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