通过匹配两列高效为Pandas DataFrame新增站点名称列的最优方法

你的嵌套循环效率极低，因为Pandas的逐元素循环没有利用到底层的矢量化优化，数据量越大速度越慢。推荐用以下两种矢量化方法解决：

方法一：使用map()（简洁高效，适合仅需映射名称的场景） #

先把站点编码和名称做成映射字典，再通过map()快速匹配：

# 构建站点code到name的映射字典
station_name_map = df_stations.set_index('code')['name'].to_dict()

# 为行程数据添加起始站点名称
df['start_station'] = df['start_station_code'].map(station_name_map)
# 添加结束站点名称
df['end_station'] = df['end_station_code'].map(station_name_map)

方法二：使用merge()（灵活扩展，适合需要关联更多字段的场景） #

如果之后还需要获取站点的经纬度等信息，merge()更合适，可以分步关联起止站点的信息：

# 关联起始站点名称
df = df.merge(
    df_stations[['code', 'name']],
    left_on='start_station_code',
    right_on='code',
    how='left'
)
df = df.rename(columns={'name': 'start_station'}).drop('code', axis=1)

# 关联结束站点名称
df = df.merge(
    df_stations[['code', 'name']],
    left_on='end_station_code',
    right_on='code',
    how='left'
)
df = df.rename(columns={'name': 'end_station'}).drop('code', axis=1)

这两种方法都是Pandas内置的矢量化操作，底层用C实现，处理速度比嵌套循环快几个数量级，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者Altagrave