Python中如何实现两个DataFrame的双向查找（Two-Way lookup）

你可以用以下两种经过验证的方法实现需求，两种方法输出结果完全匹配预期： #

方法1：宽表转长表后合并（推荐，性能最优） #

这个方法是pandas处理这类匹配问题的标准写法，大数据量下运行效率远高于逐行查找，逻辑是先把横向存储水果数值的Table_1转换成和Table_2同结构的长表，再通过公共字段直接关联匹配。
首先构造测试数据（可直接替换为真实业务数据）：

import pandas as pd

# 构造示例Table_1
table1 = pd.DataFrame({
    'Apple': [1, 3, 7],
    'Banana': [2, 5, 8],
    'Orange': [4, 2, 9],
    'Date': [2020, 2021, 2022]
})

# 构造示例Table_2
table2 = pd.DataFrame({
    'fruit': ['Apple','Apple','Apple','Banana','Banana','Banana','Orange','Orange','Orange'],
    'year': [2020,2021,2022]*3
})

核心处理代码：

# 将宽格式的Table_1转为长格式，行维度对齐Table_2的匹配字段
table1_long = table1.melt(
    id_vars='Date',
    var_name='fruit',
    value_name='number'
).rename(columns={'Date': 'year'})

# 按水果、年份两个维度左连接，直接得到带number列的结果
result = table2.merge(table1_long, on=['fruit', 'year'], how='left')

方法2：坐标索引定位（和Excel INDEX+MATCH逻辑完全一致） #

如果你习惯Excel的匹配思路，可以直接把Table_1构造成「行索引为年份、列名为水果」的二维查找矩阵，直接按(年份,水果名)的坐标取对应值，写法更直观：

# 构建查找矩阵：行=年份，列=水果名，值为对应数值
lookup_matrix = table1.set_index('Date')[['Apple', 'Banana', 'Orange']]

# 逐行按坐标取值赋值
table2['number'] = [
    lookup_matrix.loc[year, fruit] 
    for year, fruit in zip(table2['year'], table2['fruit'])
]
result = table2

注意：如果存在匹配不到的(水果,年份)组合，方法1会自动给number列填充空值NaN，方法2会直接抛出索引错误，存在缺失匹配场景时优先选方法1。

两种方法运行后输出的result完全符合预期结果：

内容的提问来源于stack exchange，提问作者Sergei