Pandas如何高效按匹配ID将match表city列赋值给ball_by_ball表

• 当前基于pandas处理Kaggle公开的IPL 2008-2020完整赛事数据集，核心需求为：当match数据框的比赛ID与ball_by_ball（代码中命名为city_ball）数据框的ID取值相等时，将match数据框对应行的city列值赋值到ball_by_ball数据框中。
• 两个数据框的定位：match为单场比赛维度表，存储每场比赛ID对应的最终赛事结果、举办城市等信息；ball_by_ball为逐球维度明细表，存储对应比赛ID下的每一球赛事详情。
• 原有实现采用双层for循环逐行匹配ID赋值，时间复杂度为O(n*m)，运行效率极低，且存在pandas链式索引赋值失效的风险。

首先预创建空存储列：

city_ball["city"]=None #city_ball即存储逐球详情的ball_by_ball数据框

随后通过双层循环逐行匹配ID完成赋值：

for id in range(len(match["id"])):
  for ID in range(len(city_ball["id"])):
    if match["id"][id] == city_ball["id"][ID]:
        city_ball["city"][ID] = match["city"][id]

提示：该写法除性能问题外，还会触发pandas的SettingWithCopyWarning，赋值结果可能无法正确写入原数据框。

以下两种方案均为pandas原生向量化实现，处理十万级以上的逐球数据可达到秒级响应，性能相比双层循环有百倍以上提升。

方案1：映射赋值（单字段匹配场景最优） #

先将match表转换为「比赛ID-举办城市」的映射字典，再直接对逐球表的ID列做批量映射，代码最简洁、运行速度最快，完全适配当前单字段匹配的场景（单场比赛ID唯一对应一个举办城市）。

# 构建ID到城市的映射关系
id_city_map = match.set_index("id")["city"].to_dict()
# 批量完成赋值
city_ball["city"] = city_ball["id"].map(id_city_map)

方案2：表关联赋值（多字段匹配场景适用） #

如果后续需要同步match表中的多个字段（如比赛日期、对阵队伍、赛果等）到逐球表，可直接使用左连接关联，一次操作即可完成多字段匹配，无需逐字段写映射。

# 提前删除逐球表中预创建的空city列，避免关联后出现重名列
city_ball = city_ball.drop(columns=["city"])
# 以逐球表为基准左关联比赛表的所需字段
city_ball = city_ball.merge(
    match[["id", "city"]],
    on="id",
    how="left"
)

参数说明：how="left"表示保留逐球表的所有行，若存在比赛ID在match表中无匹配记录的情况，对应city值会自动填充为NaN。

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