基于month列及ref字段匹配两个DataFrame实现值映射的Pythonic方法

推荐直接使用Pandas原生的宽表转换+关联逻辑，全程无自定义循环，性能远高于嵌套循环、列表推导或apply类实现，代码易维护：

import pandas as pd

# 1. 将宽表df_A转换为长表，对齐df_B的关联字段格式
df_A_long = df_A.melt(
    id_vars="month",  # 保留month作为关联键
    var_name="ref",  # 原df_A的列名转为ref字段，匹配df_B的ref列
    value_name="result"  # 原df_A的列值转为result字段，直接对应目标列
)

# 2. 双字段关联直接得到结果，默认左关联保留df_B所有行
df_B = df_B.merge(df_A_long, on=["month", "ref"], how="left")

如果需要保留df_B原有的行顺序和索引，可以用以下写法：

df_B = (
    df_B.reset_index()
    .merge(df_A_long, on=["month", "ref"], how="left", sort=False)
    .set_index("index")
    .sort_index()
)

小数据量备选方案 #

如果df_A数据量很小，也可以用嵌套字典映射的方式实现，代码更简洁但性能略低于上述向量化方案：

# 构建 month -> {ref: value} 的嵌套映射字典
month_ref_map = df_A.set_index("month").to_dict("index")
# 逐行映射得到结果
df_B["result"] = df_B.apply(
    lambda x: month_ref_map.get(x["month"], {}).get(x["ref"], pd.NA),
    axis=1
)

内容的提问来源于stack exchange，提问作者user16796559