Pandas基于条件创建字典列：跨DataFrame按id匹配生成新列

前置优化：构建O(1)查找映射 #

先对df_1做一次单向遍历，将id作为键、对应行的rank_dict作为值存入内存字典，避免后续逐行匹配时重复全表扫描df_1，把查找效率从线性复杂度降为常数级：

# 生成id与原始rank字典的映射关系
id_rank_lookup = dict(zip(df_1["id"], df_1["rank_dict"]))

逐行生成new_rank_dict列 #

编写适配Pandas行操作的处理函数，严格匹配业务规则：

def build_row_rank_dict(row):
    # 获取当前行id对应的df_1源字典，无匹配项时返回空字典避免报错
    source_rank_dict = id_rank_lookup.get(row["id"], {})
    # 以三个rank列的URL为键，存在则取源字典值，不存在赋值为0
    return {
        row["rank_1"]: source_rank_dict.get(row["rank_1"], 0),
        row["rank_2"]: source_rank_dict.get(row["rank_2"], 0),
        row["rank_3"]: source_rank_dict.get(row["rank_3"], 0)
    }

# 应用函数生成目标新列
df_2["new_rank_dict"] = df_2.apply(build_row_rank_dict, axis=1)

结果校验 #

代码运行完成后输出的df_2与预期结构完全一致：

• id为2223的行生成字典为{www.yahoo.com:2, www.whatever.com:0, www.google.com:3}
• id为1112的行生成字典为{www.gm.com:0, www.motor1.com:2, www.webull.com:1}

性能说明 #

常规数据规模（万行级）下，上述写法的运行效率完全满足需求，且逻辑清晰易维护。如果是百万行以上的超大体量数据集，可以将逐行apply替换为向量化匹配逻辑进一步压缩运行时间。

内容的提问来源于stack exchange，提问作者Stanleyrr