如何对比字典值与Pandas DataFrame？匹配科目值返回对应姓名

嘿，这个需求很容易实现，用pandas的筛选功能就能搞定。我给你两种实用的写法，你可以根据场景选择：

方法一：灵活适配多列的通用写法 #

这种方法适合当你有很多科目需要匹配时，不用逐个写条件，直接利用字典和DataFrame的列匹配：

import pandas as pd

# 初始化你的DataFrame和字典
df = pd.DataFrame({
    '姓名': ['James', 'Tom', 'Jerry'],
    'math': [80, 60, 90],
    'physic': [90, 70, 60]
})
data = {'math': 60, 'physic': 70}

# 生成匹配条件：检查每行的math和physic是否同时等于字典对应值
match_mask = df[['math', 'physic']].eq(pd.Series(data)).all(axis=1)

# 提取符合条件的姓名
target_name = df.loc[match_mask, '姓名'].values[0]
print(target_name)  # 输出：Tom

代码解释： #

• df[['math', 'physic']].eq(pd.Series(data))：把字典转成Series，和DataFrame的对应列做元素级比较，返回一个布尔值的DataFrame（每个位置表示该单元格是否匹配字典值）
• .all(axis=1)：检查每行的所有条件（这里是math和physic两列）是否都为True，得到一个布尔Series，标记哪些行符合要求
• df.loc[match_mask, '姓名']：筛选出符合条件的行，提取姓名列，values[0]取出第一个匹配结果（如果有多个匹配项，去掉[0]会得到一个包含所有匹配姓名的数组）

方法二：直观的逻辑与写法 #

如果你的匹配列很少（只有math和physic），这种写法更直接易懂：

import pandas as pd

df = pd.DataFrame({
    '姓名': ['James', 'Tom', 'Jerry'],
    'math': [80, 60, 90],
    'physic': [90, 70, 60]
})
data = {'math': 60, 'physic': 70}

# 直接用逻辑与连接两个条件
target_name = df[(df['math'] == data['math']) & (df['physic'] == data['physic'])]['姓名'].values[0]
print(target_name)  # 输出：Tom

这种写法把每个列的匹配条件明确写出来，逻辑清晰，适合列数少的场景。

内容的提问来源于stack exchange，提问作者Ido Yudhatama