求助：基于DataFrame索引匹配列值，生成目标新列

我来帮你搞定这个问题！你需要的是用df2里的idx列作为df1的实际索引，来匹配获取对应的score值对吧？先来看你的示例数据：

import pandas as pd

df1 = pd.DataFrame({'cluster':[1,2,3,4,5], 'score':[80, 90, 60, 40, 12]})
df2 = pd.DataFrame({'word':["hello", "my", "name", "is", "tom"], 'label':["aa", "bb", "cc", "dd", "ee"], 'idx':[1,3,4,4,4]})

你的需求是生成包含score列的df3，其中score值由df2的idx匹配df1的索引得到——比如df2里idx=1对应df1索引为1的行，score就是90，完全符合你给出的期望结果。

最简单的解决方案：用map方法 #

直接利用Pandas Series的索引匹配特性，一行代码就能搞定：

# 给df2添加score列
df2['score'] = df2['idx'].map(df1['score'])

# 输出结果就是你要的df3
print(df2)

运行这段代码后，你会得到：

word label  idx  score
0  hello    aa    1     90
1    my    bb    3     40
2  name    cc    4     12
3    is    dd    4     12
4   tom    ee    4     12

原理说明 #

df1['score']是一个Series，它的默认索引就是0,1,2,3,4。当你用df2['idx'].map()去匹配这个Series时，Pandas会自动把df2里的idx值当作索引，去取对应的score值，完美契合你的需求。

备选方案：用merge方法（适合复杂场景） #

如果后续有更复杂的匹配需求，也可以先把df1的索引转成列，再用merge来关联：

# 把df1的索引转为名为idx的列
df1_with_idx = df1.reset_index().rename(columns={'index':'idx'})
# 左连接df2和df1的idx、score列
df3 = pd.merge(df2, df1_with_idx[['idx', 'score']], on='idx', how='left')

这个方法也能得到完全一致的结果，适合需要多列关联的场景。

内容的提问来源于stack exchange，提问作者Maku