Pandas多列匹配：基于两个DataFrame生成含存在性判断的新DataFrame

我来帮你搞定这个需求！首先我们先把你给出的DataFrame数据用代码还原出来，然后一步步实现生成df3的逻辑。

首先，先创建示例DataFrame：

import pandas as pd

# 构建df1
df1 = pd.DataFrame({'a': ['T11552', 'T11559', 'T11566', 'T11567', 'T11569', 'T11594', 'T11604', 'T11625']})

# 构建df2
df2_data = [
    ['T11552', 'T11555'],
    ['T11560', 'T11559'],
    ['T11566', 'T11562'],
    ['T11568', 'T11565'],
    ['T11569', 'T11560'],
    ['T11590', 'T11594'],
    ['T11604', 'T11610'],
    ['T11621', 'T11625'],
    ['T11633', 'T11631'],
    ['T11635', 'T11634'],
    ['T13149', 'T13140']
]
df2 = pd.DataFrame(df2_data, columns=['a', 'b'])

接下来是核心逻辑：我们需要检查df1的每个a列值是否出现在df2的a列或者b列中。先把df2的两列合并成一个唯一值集合（这样查找效率更高），再用isin()方法生成标记列：

# 把df2的a和b列合并成一个唯一值集合
df2_values = set(df2['a'].tolist() + df2['b'].tolist())

# 生成df3：复制df1的a列，添加v列标记存在性
df3 = df1.copy()
df3['v'] = df3['a'].isin(df2_values)

运行后你就能得到符合要求的df3，比如：

• T11552对应True（存在于df2的a列）
• T11559对应True（存在于df2的b列）
• T11567对应False（df2中无此值）

如果要确认结果，直接打印df3即可：

print(df3)

输出结果如下：

a      v
0  T11552   True
1  T11559   True
2  T11566   True
3  T11567  False
4  T11569   True
5  T11594   True
6  T11604   True
7  T11625   True

这个方法简洁高效，用集合存储待查找值还能在数据量大的时候提升查询速度哦。

内容的提问来源于stack exchange，提问作者amrutha