如何不使用for循环，基于行匹配填充列并获取年度计数？

没问题！针对你这个需求，我们可以用Python的Pandas库来实现完全不用for循环的匹配填充，核心思路是利用Pandas的矢量化操作（合并或映射），结合分组筛选来精准匹配数据。

第一步：准备数据 #

先把你提供的表格转换成Pandas DataFrame（这是处理表格数据的标准操作）：

import pandas as pd

# 主数据表
main_df = pd.DataFrame({
    'Name': ['Nemo', 'Dora'],
    'State': ['NY', 'CA'],
    'Age': [5, 2],
    'Species': ['Clownfish', 'Regal Tang'],
    'Annual Ct': ['?', '?']
})

# 查找表
lookup_df = pd.DataFrame({
    'State': ['NY', 'NY', 'CA', 'CA', 'CA'],
    'Species': ['Clownfish', 'Clownfish', 'Regal Tang', 'Regal Tang', 'Regal Tang'],
    'Year': [2012, 2014, 2001, 2014, 2000],
    'AnnualCt': [500, 200, 400, 680, 700]
})

第二步：处理查找表（按需筛选） #

从你的预期输出可以推断，你需要每个State+Species组合取最新年份的AnnualCt（Nemo对应2014年的200，是该组合的最新数据）。我们先对查找表分组筛选：

# 按年份排序后，保留每个State+Species组的最后一行（即最新年份数据）
latest_lookup = lookup_df.sort_values('Year').groupby(['State', 'Species']).last().reset_index()

第三步：匹配填充主表 #

这里有两种常用方法，都不需要for循环：

方法1：用Merge合并表格

这是最直观的方式，通过匹配State和Species两个键来关联数据：

# 合并主表和筛选后的查找表，保留主表所有行
result_df = pd.merge(
    main_df.drop('Annual Ct', axis=1),  # 先移除原有的占位列
    latest_lookup[['State', 'Species', 'AnnualCt']],  # 只保留需要匹配的列
    on=['State', 'Species'],
    how='left'
)

# 重命名列名匹配预期输出
result_df = result_df.rename(columns={'AnnualCt': 'Annual Ct'})

运行后得到的结果完全符合你的预期：

方法2：用字典映射填充

如果想更简洁，也可以把查找表转换成字典，再用apply+map填充：

# 把查找表转换成(State, Species)为键、AnnualCt为值的字典
lookup_dict = latest_lookup.set_index(['State', 'Species'])['AnnualCt'].to_dict()

# 直接映射填充主表列
main_df['Annual Ct'] = main_df.apply(
    lambda x: lookup_dict.get((x['State'], x['Species']), '?'),
    axis=1
)

扩展：如果需要匹配特定年份 #

如果你的主表其实包含Year列（只是示例里没写），只需要把Year也加入匹配键即可：

# 假设主表新增Year列
main_df['Year'] = [2014, 2014]

# 按State、Species、Year三键合并
result_df_year = pd.merge(
    main_df.drop('Annual Ct', axis=1),
    lookup_df[['State', 'Species', 'Year', 'AnnualCt']],
    on=['State', 'Species', 'Year'],
    how='left'
).rename(columns={'AnnualCt': 'Annual Ct'})

这些方法都是利用Pandas的矢量化特性，比for循环效率高得多，尤其是处理大规模数据时优势明显。

内容的提问来源于stack exchange，提问作者user4852067