非循环暴力方式：将字典列表中符合列值条件的项添加至DataFrame

嘿，这个需求我之前也碰到过，完全不用写循环暴力处理，用pandas的内置方法就能高效搞定，步骤很清晰：

具体实现步骤 #

1. 把字典列表转换成临时DataFrame
   先把lod这个字典列表转成pandas的DataFrame，这样就能利用pandas的向量化操作来处理，避免低效的循环：

   import pandas as pd
   
   temp_df = pd.DataFrame(lod)
   

2. 筛选符合条件的行
   用isin()方法快速筛选出临时DataFrame中C列值存在于原df的C列中的行——这一步是核心，完全是向量化操作，比循环快N倍：

   filtered_rows = temp_df[temp_df['C'].isin(df['C'])]
   

3. 合并到原DataFrame
   最后把筛选后的结果合并到原df里，记得加上ignore_index=True来重置索引，避免索引混乱：

   df = pd.concat([df, filtered_rows], ignore_index=True)
   

举个例子验证 #

假设原df是这样的：

df = pd.DataFrame({'A': [False, True], 'B': [3, 4], 'C': [23.0, 25.0]})
lod = [{'A': True, 'B':2, 'C':23}, {'A': True, 'B':1, 'C':24}]

按照上面的步骤处理后，df会新增第一行字典的数据，第二行因为C=24不在原df的C列里，会被过滤掉，完全符合你的需求。

这种方法的优势在于完全利用了pandas的向量化运算，数据量越大，和循环暴力处理的效率差距就越明显，而且代码简洁易读，维护起来也方便。

内容的提问来源于stack exchange，提问作者Ivan