如何匹配pandas DataFrame与ndarray的日期并提取对应code到新列表

• 第一段代码错误点：
  1. 嵌套遍历两个序列的逻辑冗余，时间复杂度极高，不适用于近30万条数据的处理场景
  2. 匹配成功后append的是全量的raw_data.codes Series，不是当前匹配行对应的code值，导致最终列表里全是相同的全量code序列
• 第二段代码错误点：
  1. 循环变量混淆：for j in reb_dates取到的j是reb_dates里的日期字符串，不是索引，reb_dates[j]属于用值当索引取值，逻辑完全错误
  2. 同理for q in raw_data.Dates取到的q是日期值，raw_data['Dates'][q]是用日期值当行索引取数，你的DataFrame行索引不是日期的话必然抛出KeyError

pandas内置的向量化操作远快于自行编写的嵌套循环，以下实现仅需几行代码即可完成需求，执行效率比嵌套循环高数十倍。

前置处理：统一日期格式（避免字符串格式不匹配） #

先把两个数据源的日期统一处理成无多余空格的字符串格式，避免隐形不匹配：

# 处理DataFrame的日期列，转字符串并去除前后空格
raw_data['Dates'] = raw_data['Dates'].astype(str).str.strip()
# 处理ndarray的日期列表，去除前后空格
reb_dates = np.array([date_str.strip() for date_str in reb_dates])

方案1：提取所有匹配日期的code到一个一维列表 #

filtered_codes = raw_data[raw_data['Dates'].isin(reb_dates)]['code'].tolist()

方案2：按日期分组，存储每个匹配日期对应的code列表 #

如果需要按日期区分对应的code，用groupby聚合即可：

code_by_date = raw_data[raw_data['Dates'].isin(reb_dates)]\
    .groupby('Dates')['code'].apply(list).to_dict()
# 如果需要转为列表格式，直接取list(code_by_date.values())即可

内容的提问来源于stack exchange，提问作者user12447159