有没有比嵌套循环更高效的方案实现Pandas DataFrame匹配填充价格？

推荐优先使用pandas矢量化操作替代循环，性能提升可达百倍至千倍量级，以下是两种可行方案：

方案1：使用map映射（最高效，适合单字段匹配赋值） #

直接将DF2转为Security_ID为键、Price为值的字典，直接对DF1的目标列赋值即可：

# 构造映射字典
price_map = DF2.set_index('Security_ID')['Price'].to_dict()
# 直接映射赋值
DF1['Current Date Price'] = DF1['Security Number Key'].map(price_map)

该方案完全避免了循环，是单字段匹配赋值的最优解，匹配不到的证券（比如示例中的C）会自动保留NaN值，完全符合需求。

方案2：使用merge关联（适合多字段需要同步匹配的场景） #

如果后续需要从DF2同步更多字段，可以用左连接实现：

DF1 = DF1.merge(
    DF2,
    left_on='Security Number Key',
    right_on='Security_ID',
    how='left'
# 重命名价格列并删掉冗余的Security_ID列
).rename(columns={'Price': 'Current Date Price'}).drop('Security_ID', axis=1)

之前用query返回的是带索引的Series对象，如果一定要用query实现，可以在末尾调用.squeeze()提取标量值：

for k, v in DF1['Security Number Key'].items():
    if v in DF2['Security_ID'].values:
        # 提取单个价格值
        price = DF2.query('Security_ID == @v')['Price'].squeeze()
        DF1.loc[k, 'Current Date Price'] = price

但该方案仍然存在循环，性能远不如前面的矢量化方案，仅作为问题原因说明参考。

内容的提问来源于stack exchange，提问作者Bigcat69