如何为pandas DataFrame新增列基于两列匹配同表查找父操作ID

直接通过组合键映射匹配即可实现需求，两种常用实现方式如下：

方案1：映射查找（适合万行以内数据，写法简洁） #

首先基于全局唯一的Procedure+Operation组合构建和OperationID的映射字典，再逐行匹配父行对应ID，最后校验缺失父行的异常情况。

import pandas as pd
import numpy as np

# 假设你从数据库读取的DataFrame变量名为df
# 1. 构建 （Procedure, Operation） -> OperationID 的全局唯一映射
op_id_map = df.set_index(['Procedure', 'Operation'])['OperationID'].to_dict()

# 2. 匹配生成ParentOperationID列
df['ParentOperationID'] = df.apply(
    lambda row: np.nan if row['ParentProcedure'] == '' and row['ParentOperation'] == ''
    else op_id_map.get((row['ParentProcedure'], row['ParentOperation'])),
    axis=1
)

# 3. 校验是否存在找不到父行的异常数据
invalid_rows = df[
    (df['ParentProcedure'] != '') & 
    (df['ParentOperation'] != '') & 
    df['ParentOperationID'].isna()
]
if not invalid_rows.empty:
    raise ValueError(f"找到{len(invalid_rows)}条无匹配父行的记录，对应OperationID列表：{invalid_rows['OperationID'].tolist()}")

方案2：表连接（适合十万行以上大数据量，性能更高） #

通过左连接的方式批量匹配，避免逐行遍历的性能损耗：

# 1. 构建父行匹配辅助表
parent_ref = df[['Procedure', 'Operation', 'OperationID']].rename(
    columns={
        'Procedure': 'ParentProcedure',
        'Operation': 'ParentOperation',
        'OperationID': 'ParentOperationID'
    }
)

# 2. 左连接批量匹配父ID
df = df.merge(parent_ref, on=['ParentProcedure', 'ParentOperation'], how='left')

# 3. 把本身无父行（ParentProcedure和ParentOperation为空）的记录重置为NaN
df.loc[
    (df['ParentProcedure'] == '') & (df['ParentOperation'] == ''),
    'ParentOperationID'
] = np.nan

# 4. 异常校验逻辑和方案1一致
invalid_rows = df[
    (df['ParentProcedure'] != '') & 
    (df['ParentOperation'] != '') & 
    df['ParentOperationID'].isna()
]
if not invalid_rows.empty:
    raise ValueError(f"找到{len(invalid_rows)}条无匹配父行的记录")

两种方案都和你之前在Excel里用的INDEX+MATCH数组公式逻辑完全一致，针对你现在几千行的规模用第一种方案就足够，代码更简洁。

内容的提问来源于stack exchange，提问作者multipitch