基于另一Dataframe的值按条件填充Pandas Dataframe指定列

首先构造测试数据可直接验证效果：

import pandas as pd
import numpy as np

# 构造待填充的示例df
df = pd.DataFrame({
    'ID': ['A2', 'A2', 'A3', 'A3', 'A4', 'A3', 'A3', 'A4', 'A3', 'A3', 'A4'],
    'Variab': [1, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1],
    'col2': [np.nan]*11
})

# 构造查找表database
database = pd.DataFrame({
    'ID': ['A2', 'A3', 'A4', 'A5', 'A6'],
    'Value': ['Ball', 'Sky', 'Bird', 'Fly', 'Pizza']
})

核心实现代码 #

方法1：map + where组合（最简洁） #

先将查找表转为映射字典，再按条件赋值：

# 生成ID到Value的映射关系
id_value_map = dict(zip(database['ID'], database['Value']))

# 仅为Variab=1的行填充匹配值，其余行留空
df['Value'] = np.where(df['Variab'] == 1, df['ID'].map(id_value_map), '')

方法2：筛选赋值（逻辑更直观） #

先初始化空列，再针对符合条件的行单独赋值：

# 初始化Value列为空
df['Value'] = ''
# 仅对Variab=1的行匹配填充
df.loc[df['Variab'] == 1, 'Value'] = df.loc[df['Variab'] == 1, 'ID'].map(id_value_map)

最终输出效果 #

执行后得到的df完全符合需求：

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