Pandas如何按公共键匹配实现跨DataFrame列值高效累加

双层循环属于Python层面的迭代操作，会产生极高的性能开销，改用Pandas原生矢量化运算即可实现百倍级以上的性能提升，具体实现有两种常用方案：

方案1：合并累加（逻辑直观易调试） #

• 第一步对源表按公共键分组，统计每个Codes interne对应的Quantite requise总和

sum_recette = RecetteDF.groupby('Codes interne', as_index=False)['Quantite requise'].sum()

• 第二步将统计结果与目标表左连接，空值补0后完成累加

# 左连接保证目标表原有数据不丢失
InventaireDF = InventaireDF.merge(sum_recette, on='Codes interne', how='left')
# 没有匹配到的键补0后累加
InventaireDF['Quantite Reserver'] = InventaireDF['Quantite Reserver'] + InventaireDF['Quantite requise'].fillna(0)
# 清理多余列
InventaireDF = InventaireDF.drop(columns=['Quantite requise'])

方案2：映射累加（内存占用更低，适合超大表） #

直接将分组求和结果转为字典映射，原地更新目标表，不需要生成中间合并表：

# 生成键对应总需求量的映射字典
req_dict = RecetteDF.groupby('Codes interne')['Quantite requise'].sum().to_dict()
# 映射后直接累加，无匹配值补0
InventaireDF['Quantite Reserver'] += InventaireDF['Codes interne'].map(req_dict).fillna(0)

注意事项 #

如果匹配失效，优先检查两个表的Codes interne列数据类型是否一致，可通过astype()方法统一类型后再执行操作。

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