如何从另一DataFrame选取数据为当前DataFrame创建新列

• 语法层面：你写的apply代码缺少右括号，本身无法正常解析运行
• 逻辑层面：df2[df2['Date'] == row.Date]['Indicator']返回的是Series对象而非单个数值，直接赋值给df1的列会出现维度不匹配错误
• 性能层面：逐行遍历的apply方式在数据量较大时执行效率极低，不推荐使用

两种常用的高效实现方式，按需选择即可：

方法1：使用merge左连接（最通用，适合多字段匹配场景） #

直接按日期字段对两个表做左连接，保留销售表的所有行，匹配到的经济指标自动填充，匹配不到的日期默认填充NaN：

import pandas as pd

# 先统一日期格式，避免匹配失败
df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

# 左连接合并，并重命名指标列为Rate
df1 = df1.merge(df2, on='Date', how='left').rename(columns={'Indicator': 'Rate'})

方法2：使用map映射（写法更简洁，适合单字段匹配场景） #

把经济指标表转成日期为索引的映射关系，直接对销售表的日期列做映射：

import pandas as pd

df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

df1['Rate'] = df1['Date'].map(df2.set_index('Date')['Indicator'])

用你提供的示例数据执行后，最终df1的输出如下：

如果需要处理NaN值，可以使用df1['Rate'] = df1['Rate'].fillna(默认值)填充你需要的默认数值。

内容的提问来源于stack exchange，提问作者Juicy