如何用numpy/pandas从参考表中批量匹配十万级(a,b)对的对应m,n值

方案1：pandas实现（推荐，可读性和性能兼顾） #

pandas的merge操作底层做了大量性能优化，10万级查询毫秒级即可完成，代码在3行以内：

import pandas as pd
table_df = pd.DataFrame(table, columns=['a', 'b', 'm', 'n'])
query_df = pd.DataFrame(my_list, columns=['a', 'b'])
results = query_df.merge(table_df, on=['a', 'b'], how='left')[['m', 'n']].values

也可以压缩为单行实现：

results = pd.DataFrame(my_list, columns=['a','b']).merge(pd.DataFrame(table, columns=['a','b','m','n']), on=['a','b'], how='left')[['m','n']].values

方案2：纯numpy实现 #

如果不想引入pandas依赖，可以用numpy的广播机制实现，性能同样远高于原生for循环：

import numpy as np
match_mask = (table[:, np.newaxis, :2] == my_list).all(axis=2)
results = table[match_mask.argmax(axis=0), 2:]

补充说明 #

如果存在my_list里的(a,b)对不在参考表中的情况，pandas方案会返回NaN，numpy方案默认返回第一行的结果，可根据业务需求额外添加缺失值校验逻辑；两种方案都自动支持my_list中的重复(a,b)对，和需求给出的for循环逻辑完全等效。

内容的提问来源于stack exchange，提问作者narutoArea51