Python中匹配dataframe与列表查询数值时如何处理缺失匹配项

有两种常见实现方式，优先推荐向量化方案，性能远高于循环遍历，尤其适合你的大型dataframe场景：

方案1：pandas映射方案（推荐） #

先基于locations和Value1构造映射关系，直接对目标地点列表批量匹配，缺失值统一填充默认值即可：

# 构造地点到Value1的映射
loc_map = df.set_index('locations')['Value1']
# 替换为你需要的默认值，比如0、None等
default_value = 0

# 如果你的地点列表是DataFrame/Series格式：
p = List['Location'].map(loc_map).fillna(default_value).tolist()

# 如果你的地点列表是普通Python列表：
import pandas as pd
p = pd.Series(你的地点列表).map(loc_map).fillna(default_value).tolist()

方案2：修改原有循环 #

如果要保留你原来的循环写法，只要加空值判断或者异常捕获即可：

写法A：提前判断匹配结果是否为空 #

p = []
default_value = 0
for loc in List['Location']:
    match_res = df.loc[df['locations'] == loc, 'Value1']
    if not match_res.empty:
        p.append(match_res.item())
    else:
        p.append(default_value)

写法B：异常捕获 #

p = []
default_value = 0
for loc in List['Location']:
    try:
        p.append(df.loc[df['locations'] == loc, 'Value1'].item())
    except ValueError:
        # 无匹配结果时走该分支
        p.append(default_value)

原代码报错原因：当地点不存在时，df.loc返回的是空Series，调用.item()方法会抛出ValueError: can only convert an array of size 1 to a Python scalar错误，以上方案都是针对这个问题做的兼容处理。

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