Pandas：如何用一个表的列值作为索引提取另一表对应数据？

嘿，我太懂这种「看起来简单实际踩坑」的感觉了！这就给你几个靠谱的解决方案，帮你把df2里对应ticker和hhmm的数值匹配到df1中，最终得到包含ticker、hhmm、df2val三列的结果。

方法1：用apply逐行匹配（直观易懂，适合小数据集） #

这个方法逻辑最直白，对df1的每一行，根据ticker定位到df2的对应行，再根据hhmm的取值作为列名，取出对应的值：

import pandas as pd

# 假设你的df1和df2已经初始化完成
def fetch_value(row):
    # 筛选df2中ticker匹配的行，再提取hhmm指定列的数值
    return df2[df2['ticker'] == row['ticker']][row['hhmm']].values[0]

# 新增df2val列
df1['df2val'] = df1.apply(fetch_value, axis=1)

⚠️ 注意：如果你的数据集规模很大，apply的逐行处理速度会比较慢，这时候推荐用下面的方法。

方法2：将df2转为长格式后合并（高效，适合大数据集） #

先把df2的宽格式（列名为0930、0931...）转成长格式，这样就能通过ticker和hhmm两个字段和df1做关联合并，这个方法用的是pandas的向量化操作，速度快很多：

# 把df2转成长格式：保留ticker，把原时间列转为hhmm字段，对应值转为df2val
df2_long = df2.melt(id_vars='ticker', var_name='hhmm', value_name='df2val')

# 通过ticker和hhmm做左连接，把df2val合并到df1中
df1 = df1.merge(df2_long, on=['ticker', 'hhmm'], how='left')

这个方法是处理这类宽转长匹配问题的标准做法，大数据量下优势明显。

方法3：用lookup直接匹配（简洁但注意版本兼容） #

pandas的lookup方法可以直接根据行索引和列名匹配对应值，不过要注意：pandas 1.2.0之后lookup被标记为过时，但目前仍可使用；如果想用更兼容的写法，可以用替代方案：

# 先把df2的索引设为ticker，方便按ticker定位行
df2.set_index('ticker', inplace=True)

# 方法A：用lookup（过时但可用）
df1['df2val'] = df2.lookup(df1['ticker'], df1['hhmm'])

# 方法B：替代lookup的兼容写法（推荐）
df1['df2val'] = df2.reindex(df1['ticker']).to_numpy()[range(len(df1)), df2.columns.get_indexer(df1['hhmm'])]

完成以上任意一种操作后，df1就会新增df2val列，包含你需要的对应数值啦！

内容的提问来源于stack exchange，提问作者user5406764