如何遍历字典从pandas DataFrame获取匹配度最高的行

你的代码无法实现需求的核心原因有3点：

• dataframe[key] == value返回的是对应列所有行的布尔判断序列，不是单个布尔值，直接放在if后会触发pandas的真值判断歧义报错
• 遍历字典特征时，只要找到第一个有匹配值的列就执行break终止循环，完全没有统计多个特征的匹配情况，无法计算整体匹配度
• 没有针对每一行统计匹配的特征总个数，自然无法筛选出匹配度最高的结果

核心逻辑是跳过name标识字段后，逐行统计和输入字典特征匹配的总数量，匹配数最高的行就是目标结果。

完整实现代码 #

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame(
    [
        ["Apple", "Red", "Heart", "Sweet"],
        ["Banana", "Yellow", "Long", "Sweet"],
        ["Cherry", "Pink", "Circular", "Sour"],
        ["Damson", "Magenta", "Circular", "Sour"],
        ["Eggplant", "Violet", "Long", "Bitter"]
    ],
    columns=["name", "color", "shape", "taste"]
)

new_fruit = {"name": "Tangerine", "color": "Orange", "shape": "Circular", "taste": "Sour"}

# 过滤掉不需要匹配的name字段
match_cols = {k: v for k, v in new_fruit.items() if k != "name"}

# 向量化计算每行的匹配得分（匹配的特征个数）
match_score = sum(df[col] == val for col, val in match_cols.items())

# 筛选得分最高的所有行
result = df[match_score == match_score.max()]
print(result)

运行结果 #

name    color     shape taste
2   Cherry     Pink  Circular  Sour
3   Damson  Magenta  Circular  Sour

和预期一致，Cherry和Damson两行都匹配了shape、taste两个特征，匹配度最高。
如果数据量很小，也可以用apply写法实现，逻辑更直观：

match_cols = {k: v for k, v in new_fruit.items() if k != "name"}
df["match_score"] = df.apply(lambda row: sum(row[col] == val for col, val in match_cols.items()), axis=1)
result = df[df["match_score"] == df["match_score"].max()].drop(columns="match_score")

内容的提问来源于stack exchange，提问作者Sharp Thwey Thit