如何参照带唯一ID的Dataframe1为新Dataframe按指定列分配或生成唯一标识

匹配规则说明 #

仅以col2、col3、col4三列的精确组合作为匹配依据，不关联其他列的值；已在Dataframe1中存在的组合直接复用原有unique_id，未收录的新组合自动生成与现有ID不重复的新值。

代码实现步骤 #

1. 构建已有ID映射表
   把Dataframe1中三列的组合与对应唯一ID的关系转为字典结构，实现O(1)时间复杂度的快速查找，避免逐行比对的性能损耗。

   import pandas as pd
   # 提取三元组组合作为字典键，对应unique_id作为值
   id_map = {}
   for _, row in df1.iterrows():
       key = (row["col2"], row["col3"], row["col4"])
       id_map[key] = row["unique_id"]
   

2. 确定新ID的起始阈值
   取Dataframe1中已有的最大唯一ID作为新ID的起点，保证新生成的ID和历史ID无重复。

   current_max_id = df1["unique_id"].max()
   

3. 为Dataframe2匹配并生成ID列
   逐行遍历Dataframe2的三列组合：已在映射表中存在的直接取对应ID，不存在的则生成新ID、同步更新映射表，避免Dataframe2内部重复组合分配到不同ID的问题。

   assigned_ids = []
   for _, row in df2.iterrows():
       match_key = (row["col2"], row["col3"], row["col4"])
       if match_key in id_map:
           assigned_ids.append(id_map[match_key])
       else:
           current_max_id += 1
           id_map[match_key] = current_max_id
           assigned_ids.append(current_max_id)
   # 把生成的ID列追加到Dataframe2
   df2["unique_id"] = assigned_ids
   

效果校验 #

按照示例数据运行后，Dataframe2的输出逻辑和你给出的期望结果完全一致：已存在的三元组（如bcd/qwe/rty、zxc/qwe/rty、abc/bcv/zxc）会分别复用12、6、8的历史ID；未收录的kph/hir/mat组合会自动在历史最大ID的基础上递增生成全局唯一的新值（示例中写的35仅为演示新ID的分配逻辑，实际数值由历史ID的最大值决定）。

内容的提问来源于stack exchange，提问作者KPH