如何在列结构相同的另一dataframe中查找指定dataframe行的对应索引

原实现存在的问题 #

• 循环变量i冲突：遍历df2时的循环变量i会覆盖你要查询的df1行号i，逻辑本身就存在错误
• iterrows遍历效率极低，当df2行数超过万级时性能会非常差

更优实现方案 #

单条查询（仅查df1的第i行对应的df2索引）

直接用pandas向量化比较，一行代码即可完成，全程无循环，性能远高于手写遍历：

# 返回所有匹配的df2索引，无匹配则返回空索引对象
match_index = df2[df2.eq(df1.iloc[i]).all(axis=1)].index
print(match_index)

说明：eq方法会逐元素对比df2和df1第i行的取值，all(axis=1)会过滤出所有列都完全相等的行，最后直接取索引即可。

批量查询（查df1所有行各自对应的df2索引）

如果需要一次性匹配df1的全部行，用merge关联的方式效率最高：

# 先给df2加一列存它的原始索引
df2_with_origin_idx = df2.reset_index(names='df2_origin_index')
# 按所有列进行左关联，直接得到匹配结果
match_result = df1.merge(df2_with_origin_idx, on=list(df1.columns), how='left')
# match_result的df2_origin_index列就是每行对应的df2索引，无匹配则为NaN

特殊场景适配

如果你的数据包含浮点数，直接等值比较可能会出现精度误差导致匹配失败，可以用容差比较替换等值判断：

# 1e-6是可接受的误差范围，可按需调整
match_index = df2[df2.sub(df1.iloc[i]).abs().lt(1e-6).all(axis=1)].index

内容的提问来源于stack exchange，提问作者kimpossible934