pandas如何将groupby生成的子DataFrame新列映射回原DataFrame

最优实现方案 #

你要实现的是按id字段匹配两个表的列，直接用pandas内置的向量化操作即可，性能远高于逐行迭代：

方案1：merge关联（最通用） #

直接通过左连接把label列合并到原表，保留X_train的所有行，匹配对应id的label：

X_train = X_train.merge(crunched_X_train[["id", "label"]], on="id", how="left")

方案2：map映射（适合单列匹配场景） #

先构建id到label的映射关系，再用原表的id列直接映射得到label：

# 构建id: label的映射字典
id_to_label = crunched_X_train.set_index("id")["label"].to_dict()
# 映射赋值
X_train["label"] = X_train["id"].map(id_to_label)

原代码问题说明 #

• 第一种写法报错是因为你直接对两个索引不同的Series做等值判断，pandas会先按索引对齐再比较，索引不一致就会抛出该错误
• 第二种逐行iterrows的写法是Python层的循环，数据量过万就会有明显卡顿，pandas内置的向量化操作底层是C实现，性能是前者的数百到数千倍。

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