如何基于df1的列名与项映射为pandas的df2添加Result列？

原始数据 #

先看一下你给出的两个DataFrame：

import pandas as pd

# Column列存储列名
df1 = pd.DataFrame({"Column": pd.Series(['a', 'b', 'b', 'c']), "Item": pd.Series(['x', 'y', 'z', 'x']), "Result": pd.Series([3, 4, 5, 6])})
df2 = pd.DataFrame({"a": pd.Series(['x', 'n', 'n']), "b": pd.Series(['x', 'y', 'n']), "c": pd.Series(['x', 'z', 'n'])})

需求解析 #

你的核心需求是：借助df1里Column与Item的对应关系，给df2新增Result列。具体规则可以拆解为：

• 对df2的每一行，找到其中不为'n'的列名，匹配df1中Column=该列名且Item=单元格对应值的记录，取出对应的Result；
• 如果一行存在多个符合条件的项（比如第二行的b=y和c=z），取第一个匹配到的Result值；
• 如果一行全是'n'，则Result返回None（即你说的null）。

解决方案 #

我们可以先把df1转换成一个高效的映射字典，再逐行处理df2：

# 第一步：创建(列名, 项目值)到Result的映射字典，方便快速查找
result_mapping = df1.set_index(['Column', 'Item'])['Result'].to_dict()

# 第二步：定义处理单行的函数
def get_row_result(row):
    # 遍历当前行的每一列和对应值
    for col_name, item_val in row.items():
        if item_val != 'n':
            # 从映射字典取结果，找不到则返回None
            return result_mapping.get((col_name, item_val), None)
    # 所有值都是'n'的情况，返回None
    return None

# 第三步：将函数应用到df2的每一行，生成Result列
df2['Result'] = df2.apply(get_row_result, axis=1)

最终结果 #

运行代码后，df2会变成你期望的样子：

a  b  c  Result
0  x  x  x       3
1  n  y  z       4
2  n  n  n    None

这个方案逻辑清晰，映射字典的查找效率也很高，完美匹配你的需求~

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