Pandas基于双条件实现不同DataFrame之间的值映射方法

你当前用的map方法只支持单维度的键值映射，无法同时匹配主客队两个维度的条件，可选用以下两种方案实现需求：

方案1：逐行索引匹配（适合小数据量场景） #

先将主场优势表df的索引设置为主队列，再逐行读取df1的主客队信息，直接索引到对应值：

# 预先设置df的索引为主队，避免循环中重复设置索引浪费性能
df_hfa = df.set_index('Home Team')
# 逐行匹配主客队对应的主场优势值
df1['hfa'] = df1.apply(lambda row: df_hfa.loc[row['Home Team'], row['Away Team']], axis=1)

方案2：宽表转长表后合并（适合大数据量场景，性能更高） #

如果你的数据量较大，apply逐行处理效率偏低，可以先将宽格式的df转为长格式，再通过两列主键合并到df1中：

# 将df转为「主队-客队-主场优势」的长表结构
df_long = df.melt(
    id_vars='Home Team',
    var_name='Away Team',
    value_name='hfa'
)
# 基于主客队两列合并数据，left join避免丢失df1的原有数据
df1 = df1.merge(df_long, on=['Home Team', 'Away Team'], how='left')

注意：如果运行后出现NaN值，请先检查两张表的球队名称是否存在拼写差异、大小写不一致、多余空格等匹配问题。

内容的提问来源于stack exchange，提问作者Pmannn