Pandas如何根据a、b列表批量匹配DataFrame对应c列值 无需循环

解决方案 #

你可以通过pandas原生向量化操作实现批量匹配，全程无循环，性能远高于手动遍历，两种常用高效方案如下：

方案1：MultiIndex映射（推荐，性能最优）

将原DataFrame的a、b两列设为复合索引，直接构建(a,b)组合到c值的映射关系，之后批量传入查询的键值对即可拿到结果：

import pandas as pd

# 假设你的原DataFrame名为df
# 1. 构建映射关系
c_map = df.set_index(['a', 'b'])['c']

# 2. 传入你的查询列表
a_query = [100.0, 600.0, 200.0]
b_query = [0.0, 5.0, 1.0]

# 3. 批量查询获取结果
c_result = c_map.reindex(zip(a_query, b_query)).tolist()

执行后c_result的值就是你期望的[0.0, -0.5, 0.0]，如果遇到不存在的(a,b)组合会返回NaN。如果原数据存在重复的(a,b)组合，提前执行df = df.drop_duplicates(subset=['a', 'b'], keep='first')去重即可。

方案2：Merge关联（适合查询列表长度很大的场景）

如果你的查询列表长度和原DataFrame量级接近，用左连接的方式实现匹配效率更高：

# 1. 把查询列表转为DataFrame
query_df = pd.DataFrame({'a': a_query, 'b': b_query})

# 2. 按a、b两字段左连接匹配c值
res_df = query_df.merge(df[['a', 'b', 'c']], on=['a', 'b'], how='left')

# 3. 提取结果列表
c_result = res_df['c'].tolist()

内容的提问来源于stack exchange，提问作者narutoArea51