Pandas如何基于国家匹配从另一DataFrame提取年度排名新增列

完全不需要手动遍历df1的国家，pandas内置的矢量化操作可以高效完成匹配，性能远高于自行循环遍历，以下是两种常用实现方案：

方法1：左连接合并（最推荐） #

以df1为基准做左连接，仅匹配需要的年度排名字段即可，不会引入df2多余的国家数据：

import pandas as pd

# 提前提取df2需要用到的两列，避免value、Average等同名字段冲突
df2_rank = df2[["Country", "Year Rank"]]
# 左连接匹配，保留df1所有原有行
df1 = df1.merge(df2_rank, on="Country", how="left")

• how="left"参数严格保证仅保留df1已有的11个国家，不会额外加入df2存在但df1没有的国家
• 如果df2存在重复的Country记录，建议先去重再合并：

  df2_unique = df2.drop_duplicates(subset="Country", keep="first")
  df2_rank = df2_unique[["Country", "Year Rank"]]
  

方法2：字典映射（保留原有行列顺序） #

如果需要严格保留df1原有的列顺序、行顺序，也可以用映射实现：

# 将df2的国家-年度排名转为映射字典
rank_map = df2.set_index("Country")["Year Rank"].to_dict()
# 直接新增列完成匹配
df1["Year Rank"] = df1["Country"].map(rank_map)

和左连接效果完全一致，适合对行列顺序有要求的场景。

不推荐的遍历实现（仅做参考） #

如果你确实需要手动实现遍历逻辑，可以用iterrows遍历，但仅适合小数据量场景，数据量过大会有严重性能问题：

year_rank = []
for _, row in df1.iterrows():
    match_res = df2.loc[df2["Country"] == row["Country"], "Year Rank"]
    year_rank.append(match_res.iloc[0] if not match_res.empty else pd.NA)
df1["Year Rank"] = year_rank

内容的提问来源于stack exchange，提问作者Block65