Pandas实现多列匹配查找为DataFrame新增列（非merge/join方式）

针对多列同时匹配后取值的需求，不需要拼接字符串生成临时键，也不需要使用merge/join，直接使用元组作为映射键即可实现，完全避免拼接误匹配问题，代码简洁无冗余。

示例数据 #

首先复现问题中的测试数据：

import pandas as pd

df = pd.DataFrame(
    {
        "ID": [6, 2, 4],
        "ID2": [2, 3, 4],
        "foo": [2, 3, 4],
    }
)

df2 = pd.DataFrame(
    {
        "ID": [6, 2, 4],
        "ID2": [1, 3, 2],
        "foo": [2, 3, 4],
        "to_ignore": ["idk", "bar", "whatever"],
        "A": ["unwanted str", "desired str", "unwanted str"],
    }
)

需求为新增NewCol列，仅当ID、ID2两列同时匹配df2中对应行时取A列值，未匹配填充NaN，期望结果：

ID  ID2       NewCol
0   6    2          NaN
1   2    3  desired str
2   4    4          NaN

最优实现代码 #

# 1. 构建多列联合索引的映射表，提前去重避免重复键冲突
lookup = df2.drop_duplicates(subset=["ID", "ID2"]).set_index(["ID", "ID2"])["A"]
# 2. 将df的匹配列转为MultiIndex直接映射，无临时列、无字符串拼接
df["NewCol"] = pd.MultiIndex.from_frame(df[["ID", "ID2"]]).map(lookup)

如果数据集规模不大，也可以用更易读的apply写法，效果完全一致：

lookup = df2.drop_duplicates(subset=["ID", "ID2"]).set_index(["ID", "ID2"])["A"]
df["NewCol"] = df[["ID", "ID2"]].apply(tuple, axis=1).map(lookup)

方案优势 #

• 无字符串拼接的误匹配风险：元组/MultiIndex按字段值严格匹配，不会出现不同字段组合拼接后字符串相同的问题
• 无冗余操作：不需要给原表新增临时列再删除，不会修改df2的原有结构
• 符合约束要求：不需要使用merge/join，不会引入额外无关列，仅新增目标列
• 扩展性强：需要增加匹配字段时，只需要把字段名加到对应列表中即可，不需要修改其他逻辑

运行上述代码后得到的结果和期望完全一致。

内容的提问来源于stack exchange，提问作者Chris Dixon