Pandas实现DataFrame分组计数匹配添加到另一DataFrame对应行

不需要创建数据库表执行SQL查询，Pandas内置方法完全可以高效实现这个需求，以下是可直接复现的实现方案：

首先构造描述中的两份测试数据：

import pandas as pd

# 初始化df1
df1 = pd.DataFrame({
    'Road': ['A', 'A', 'B', 'B'],
    'RoadNo': [1, 2, 1, 2],
    'Count': [0]*4
})

# 初始化df2
df2 = pd.DataFrame({
    'Road': ['A']*5 + ['B'],
    'RoadNo': [1,1,1,2,2,1]
})

推荐实现：分组计数+索引映射（性能最优） #

核心逻辑是先对df2按匹配键分组统计行数，再通过索引映射直接更新df1的Count列，无匹配的组合自动保留初始0值：

# 统计df2中各Road+RoadNo组合的记录数
count_res = df2.groupby(['Road', 'RoadNo']).size()
# 按双键映射更新Count列，空值填0并转整数
df1['Count'] = df1.set_index(['Road', 'RoadNo']).index.map(count_res).fillna(0).astype(int)

执行后输出的df1完全符合预期：

• Road=A、RoadNo=1 → Count=3
• Road=A、RoadNo=2 → Count=2
• Road=B、RoadNo=1 → Count=1
• Road=B、RoadNo=2 → Count=0

备选实现：左连接合并（逻辑更易读） #

如果更熟悉表连接逻辑，可以用左连接的方式实现，效果完全一致：

# 先统计df2的分组计数
df2_stat = df2.groupby(['Road', 'RoadNo'], as_index=False).agg(count_temp=('Road', 'count'))
# 以df1为基准左连接统计结果
df1 = df1.merge(df2_stat, on=['Road', 'RoadNo'], how='left')
# 更新Count列、清理临时字段
df1['Count'] = df1['count_temp'].fillna(0).astype(int)
df1.drop(columns='count_temp', inplace=True)

两种方法都只用到Pandas原生的groupby、map/merge内置函数，不需要依赖任何外部组件，处理百万级以内的数据性能都足够好。

内容的提问来源于stack exchange，提问作者HIM