Pandas如何基于其他DataFrame的列值新建条件计算列

现有2个DataFrame：

• df1：存储不同时间点各类水果的数量

Time   Apples   Pears   Grapes   Peachs
10:00    3       5        5        2
11:00    1       0        2        9
12:00    20      2        7        3

• df2：存储分类、水果项、系数信息

Class   Item   Factor  
A       Apples   3
A       Peaches  2
A       Pears    5
B       NaN      4

需要在df2中新增Total列，计算规则：

• 仅Class为A的行参与计算：取df1中10:00时刻、对应当前行Item的水果数值，乘以本行Factor值得到Total
• 非A类行不执行计算，Total留空

期望输出结果：

Class   Item   Factor   Total 
A       Apples   3        9
A       Peaches  2        4
A       Pears    5        25
B       NaN      4

原尝试代码存在语法和逻辑错误，无法得到正确结果：

df2['Total'] = df1.setIndex().cols.isin((df2.Item) and (df2.Class==A)) * df2.Factor

原代码存在以下问题：

• setIndex()方法名错误，且未指定要设为索引的列，pandas中设置索引的方法为set_index(列名)
• pandas中条件逻辑与不能直接用and，需要用&，且每个独立判断条件需要用括号包裹
• 整体逻辑错误：isin只能判断值是否存在，无法按行匹配对应Item的数值做计算
• 字符串A未加引号，会被识别为变量而非值

首先提取df1中10:00时刻的水果数值映射，再按条件计算即可：

import pandas as pd
import numpy as np

# 提取10:00时刻的水果数值，转为{水果名:数值}的映射字典
ten_clock_data = df1[df1['Time'] == '10:00'].iloc[0].drop('Time').to_dict()
# 修正列名拼写差异：df1中列名写为Peachs，df2中Item为Peaches，补全映射键避免匹配失败
ten_clock_data['Peaches'] = ten_clock_data.pop('Peachs')

# 初始化Total列为空值
df2['Total'] = np.nan
# 筛选Class为A的行
a_class_mask = df2['Class'] == 'A'
# 仅对A类行计算Total：映射取对应水果数值 * 系数
df2.loc[a_class_mask, 'Total'] = df2.loc[a_class_mask, 'Item'].map(ten_clock_data) * df2.loc[a_class_mask, 'Factor']

运行后得到的df2和期望结果完全一致。

内容的提问来源于stack exchange，提问作者star_it8293