如何用.loc从多级索引DataFrame高效填充目标DataFrame的val列？

首先，咱们先聊聊你原来代码里的几个小问题，再给出更简洁高效的解决方案：

原代码的问题点 #

• loc语法错误：你写的df2.loc([row['key1'],row['key2'])是错误的，Pandas的loc是属性访问器，应该用方括号df2.loc[(row['key1'], row['key2'])]，而且还需要指定提取b列，否则会返回整个行的Series。
• 循环效率低下：iterrows()遍历DataFrame属于逐行操作，在数据量大的时候速度会很慢，Pandas本身是为矢量化操作设计的，应该尽量避免这种循环。
• 定位行的方式冗余：循环里用(df1.key1 == row['key1']) & (df1.key2 == row['key2'])来定位行完全没必要，直接用循环的index就能精准定位。

推荐解决方案 #

方法1：利用索引映射（最简洁高效） #

把df1的key1和key2转成和df2一致的多级索引，然后用map结合get方法匹配值，未匹配到的自动返回空值：

# 将df1的key1、key2设为多级索引，匹配df2的b列后赋值给val
df1['val'] = df1.set_index(['key1', 'key2']).index.map(df2['b'].get)

这个方法完全是矢量化操作，速度比循环快几个数量级，而且代码非常简洁。

方法2：用merge合并（直观易懂） #

如果觉得索引映射有点抽象，可以用merge来做左连接，把df2的多级索引转成普通列后再匹配：

# 把df2的多级索引转为普通列，然后和df1左连接
df_temp = df2.reset_index()
df_merged = df1.merge(df_temp, left_on=['key1', 'key2'], right_on=['c', 'a'], how='left')
# 把匹配到的b列值赋值给df1的val
df1['val'] = df_merged['b']

这个方法逻辑清晰，适合刚接触Pandas的朋友理解，结果和方法1完全一致。

修正后的循环版本（不推荐，但可以参考） #

如果你一定要用循环，修正语法和定位方式后的代码如下：

for index, row in df1.iterrows():
    try:
        # 正确使用loc访问多级索引，并指定b列
        data = df2.loc[(row['key1'], row['key2']), 'b']
        # 直接用循环的index定位行，避免全表扫描
        df1.loc[index, 'val'] = data
    except KeyError:
        # 只捕获索引不存在的错误，避免隐藏其他异常
        pass

但还是强烈推荐前面的矢量化方法，尤其是数据量较大时。

执行完推荐的方法后，你会得到期望的结果：

内容的提问来源于stack exchange，提问作者Shubham R