如何在嵌套Python字典中匹配Pandas DataFrame值并更新DataFrame

你写的find_global_name函数中，else分支的return "n/a"放在了for循环内部，第一次遍历字典的key='0'条目时，如果当前行的co-name不等于A，会直接返回n/a，根本不会执行后续的循环迭代去匹配key='1'的B条目，所以除了A之外的所有企业都会被判定为匹配失败。

推荐优先使用字典重构+map的方案，比apply+循环的性能高很多，尤其适合数据量较大的场景：

步骤1：将嵌套字典重构为co_name为键的查找字典 #

# 直接用企业名称作为键，后续查找时间复杂度为O(1)
lookup_dict = {val['co_name']: val for val in co_dict.values()}

步骤2：批量匹配生成两个新列 #

df['global_name'] = df['co-name'].map(lambda x: lookup_dict[x]['global_name'] if x in lookup_dict else 'n/a')
df['sales'] = df['co-name'].map(lambda x: lookup_dict[x]['sales'] if x in lookup_dict else 'n/a')

注：你给出的预期输出中B的sales为2000属于笔误，实际运行会按co_dict中存储的1000返回。

如果你需要保留原来的循环写法，只需要调整return "n/a"的位置到for循环外部即可：

def find_global_name(x):
    for key1 in co_dict.keys():
        if (x['co-name'] == co_dict[key1]['co_name']):
            return co_dict[key1]['global_name']
    # 所有字典条目遍历完成仍未匹配到，再返回n/a
    return "n/a"

def find_sales(x):
    for key1 in co_dict.keys():
        if (x['co-name'] == co_dict[key1]['co_name']):
            return co_dict[key1]['sales']
    return "n/a"
        
df['global_name'] = df.apply(find_global_name, axis=1)
df['sales'] = df.apply(find_sales, axis=1)

这种写法功能可以实现，但数据量较大时运行效率远低于第一种方案，不推荐使用。

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