迭代DataFrame行列提取值至新表，基于code列关联匹配指定列至dfsum

一、遍历DataFrame行/列并提取值到新DataFrame #

1. 遍历行的常用方法 #

• 使用iterrows()：按行迭代，返回(index, Series)对，适合小数据集

import pandas as pd

# 示例原DataFrame
df_original = pd.DataFrame({'code': ['001', '002', '003'], 'name': ['A', 'B', 'C']})
df_new = pd.DataFrame(columns=['code', 'name'])

for idx, row in df_original.iterrows():
    # 提取需要的字段，添加到新DataFrame
    df_new.loc[idx] = [row['code'], row['name']]

• 使用itertuples()：性能优于iterrows()，返回命名元组

df_new = pd.DataFrame(columns=['code', 'name'])
for row in df_original.itertuples(index=False):
    df_new.loc[len(df_new)] = [row.code, row.name]

2. 遍历列的方法 #

直接通过列名遍历，提取整列数据到新DataFrame

df_new = pd.DataFrame()
# 提取指定列
df_new['code'] = df_original['code']
df_new['name'] = df_original['name']

二、多DataFrame关联匹配（基于code字段） #

数据说明 #

• df：包含code、name字段

  code	name
  001	A
  002	B
  003	C

• df1：包含code、title、cu字段

  code	title	cu
  001	产品1	个
  002	产品2	台
  003	产品3	件

• dfsum：需要补充title、cu字段的目标DataFrame

  code	name	title	cu
  001	A
  002	B
  003	C

解决方案 #

方法1：使用merge关联后更新dfsum

# 第一步：将df和df1按code字段关联
merged_df = pd.merge(df, df1, on='code', how='inner')

# 第二步：将关联后的title和cu字段更新到dfsum
dfsum = pd.merge(dfsum, merged_df[['code', 'title', 'cu']], on='code', how='left')

方法2：使用映射字典快速匹配

# 从df1创建code到title、cu的映射字典
title_map = df1.set_index('code')['title'].to_dict()
cu_map = df1.set_index('code')['cu'].to_dict()

# 直接映射填充dfsum
dfsum['title'] = dfsum['code'].map(title_map)
dfsum['cu'] = dfsum['code'].map(cu_map)

内容的提问来源于stack exchange，提问作者Fuzzygg