基于另一DataFrame值在Pandas中为df1生成PAYOFF列

嗨，咱们一步步来解决这个问题。你需要给df1新增一个PAYOFF列，规则是根据每行的PLAY值从df2对应行取出同名字段的赔率，再乘以BET金额。这里有几个简单好用的Pandas方案，完全适配你的需求：

方案1：用df.lookup()（最简洁高效） #

这个方法是Pandas专门为「按行+列名匹配取值」设计的，语法简洁且性能出色，完美匹配你的场景：

import pandas as pd

# 构造你提供的两个DataFrame
df1 = pd.DataFrame({
    'GAME': ['(SWE, FIN)', '(DEN, GER)', '(RUS, CZE)'],
    'PLAY': ['DRAW', 'WIN', 'LOSS'],
    'BET': [10, 20, 30]
})

df2 = pd.DataFrame({
    'GAME': ['(SWE, FIN)', '(DEN, GER)', '(RUS, CZE)'],
    'WIN': [1.50, 2.00, 1.05],
    'DRAW': [2.0, 2.5, 2.1],
    'LOSS': [3.25, 2.10, 10.00]
})

# 计算PAYOFF列：lookup按行+列名取赔率，再乘以BET
df1['PAYOFF'] = df2.lookup(df2.index, df1['PLAY']) * df1['BET']

运行后df1的结果如下：

GAME   PLAY  BET  PAYOFF
0  (SWE, FIN)   DRAW   10    20.0
1  (DEN, GER)    WIN   20    40.0
2  (RUS, CZE)   LOSS   30   300.0

方案2：用apply()逐行处理（逻辑更直观） #

如果觉得lookup的语法有点抽象，也可以用apply逐行处理，逻辑一目了然（适合小数据集，大数据集性能略逊于lookup）：

df1['PAYOFF'] = df1.apply(
    lambda row: df2.loc[df2['GAME'] == row['GAME'], row['PLAY']].values[0] * row['BET'],
    axis=1
)

解释：apply会遍历df1的每一行，先通过GAME匹配df2的对应行，再取出PLAY字段对应的赔率值，最后和当前行的BET相乘得到结果。

方案3：转长格式后合并（扩展性更强） #

如果后续需要对玩法（WIN/DRAW/LOSS）做更多分析，推荐把df2转成「长格式」后再和df1合并，这种方法结构更清晰，扩展性更好：

# 将df2转成长格式：把WIN/DRAW/LOSS列转为PLAY的取值，保留赔率
df2_long = df2.melt(id_vars='GAME', var_name='PLAY', value_name='ODDS')

# 和df1按GAME、PLAY合并，然后计算PAYOFF
df_merged = pd.merge(df1, df2_long, on=['GAME', 'PLAY'], how='left')
df_merged['PAYOFF'] = df_merged['BET'] * df_merged['ODDS']

# 把结果赋值回df1
df1['PAYOFF'] = df_merged['PAYOFF']

方案选择建议 #

• 优先选方案1：简洁高效，专门适配这类取值场景；
• 小数据集或需要直观逻辑选方案2；
• 后续有更多玩法分析需求选方案3。

内容的提问来源于stack exchange，提问作者Pryderide