如何基于另一DataFrame的Age与Score列值为目标DataFrame新增列

问题背景 #

我有两个DataFrame：

第一个DataFrame（df1）：

第二个DataFrame（df2）：

需求：为df2新增一列Count，根据df2的Age和Score（Score的值对应df1的列名），从df1中匹配对应数据，最终得到如下结果：

解决方案 #

方法1：使用DataFrame.lookup（高效直接） #

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'Age': [1, 2], '200': [34, 42], '300': [32, 73], '400': [50, 20]})
df2 = pd.DataFrame({'ID': [10, 23], 'Age': [2, 1], 'Score': [200, 300]})

# 将df2的Score转为字符串，匹配df1的列名（df1的列名是字符串类型）
df2['Score'] = df2['Score'].astype(str)

# 用lookup匹配：以df2的Age为行索引，Score为列名，从df1中取值
df2['Count'] = df1.set_index('Age').lookup(df2['Age'], df2['Score'])

print(df2)

方法2：重塑df1为长格式后合并（更易理解） #

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'Age': [1, 2], '200': [34, 42], '300': [32, 73], '400': [50, 20]})
df2 = pd.DataFrame({'ID': [10, 23], 'Age': [2, 1], 'Score': [200, 300]})

# 将df1从宽表转为长表，把列名转为Score列，对应值转为Count列
df1_melted = df1.melt(id_vars='Age', var_name='Score', value_name='Count')
# 转换Score类型为整数，匹配df2的Score类型
df1_melted['Score'] = df1_melted['Score'].astype(int)

# 根据Age和Score合并两个DataFrame
result_df = df2.merge(df1_melted, on=['Age', 'Score'], how='left')

print(result_df)

两种方法都能得到目标结果，方法1适合数据量较大的场景，效率更高；方法2逻辑更直观，便于调试和理解。

内容的提问来源于stack exchange，提问作者Yash