Pandas两个DataFrame按列匹配后对应频率值相减的实现方法

原有代码错误分析 #

你的嵌套循环写法存在几个核心问题：

• 循环中拿到的i、j是Letter列的取值（如A、B），不是行索引，无法直接作为下标取对应行的FREQ值
• 列名引用错误，示例数据中列名为FREQ、Diff，不是代码里的Frequency、Difference
• 误将判断相等的==用作赋值运算符，实际赋值应该用=
• 嵌套循环的时间复杂度为O(n*m)，数据量稍大时性能极差，pandas内置的向量化操作可以更高效实现需求

正确实现方案 #

方案1：映射匹配法（最简单高效，适合当前场景）

先把df2转为Letter到FREQ的映射字典，再直接批量计算Diff列：

# 构造Letter对应FREQ的映射字典
freq_map = df2.set_index('Letter')['FREQ'].to_dict()
# 匹配计算：无匹配的填充0，减0即等于原值，符合需求
df1['Diff'] = df1['FREQ'] - df1['Letter'].map(freq_map).fillna(0)

执行后即可得到你预期的df1结果。

方案2：merge关联法（适合更复杂的多字段匹配场景）

如果后续匹配逻辑变复杂，可以用左连接的方式实现：

# 左连接保留df1所有行，关联匹配df2的FREQ
merge_df = df1.merge(df2, on='Letter', how='left', suffixes=('', '_df2'))
# 计算Diff，无匹配的填充0
df1['Diff'] = merge_df['FREQ'] - merge_df['FREQ_df2'].fillna(0)

内容的提问来源于stack exchange，提问作者krolopat