如何基于值在另一DataFrame中的存在性更新DataFrame指定列的值

核心可以用pandas内置的isin()方法完成需求，代码简洁高效：

# 方式1：直接转布尔值为int，满足0/1赋值需求
df['col3'] = df['col1'].isin(df_2['col2']).astype(int)

如果需要设置其他非初始的自定义值，可以用np.where实现：

# 方式2：自定义匹配成功时的赋值，比如匹配成功设为99，失败保持0
df['col3'] = np.where(df['col1'].isin(df_2['col2']), 99, 0)

Series.isin()会逐行判断df['col1']的取值是否存在于df_2['col2']的取值集合中，返回布尔类型的序列，转换为整数后True对应1、False对应0，运行后得到的结果和你给出的示例完全一致。

• 如果df_2['col2']数据量很大，可以先转成集合再传入，提升判断效率：

  col2_set = set(df_2['col2'])
  df['col3'] = df['col1'].isin(col2_set).astype(int)
  

内容的提问来源于stack exchange，提问作者SIUV