如何基于两DataFrame的列匹配为CountryPoints添加Neighbour(Y/N)列

当然可行！你想要的其实是通过匹配两个DataFrame中的国家对，生成一个标记列，我给你分享两种简单高效的实现方法，都能得到你预期的结果。

首先我们先还原你的两个DataFrame：

import pandas as pd

# 你的CountryPoints DataFrame
country_points = pd.DataFrame({
    'From.country': ['Belgium', 'Belgium', 'Malta', 'Malta'],
    'To.Country': ['Finland', 'Germany', 'Italy', 'UK'],
    'points': [4, 5, 12, 1]
})

# 相邻国家DataFrame
neighbour_df = pd.DataFrame({
    'From.country': ['Belgium', 'Belgium', 'Malta'],
    'To.Country': ['Finland', 'Germany', 'Italy']
})

方法一：左连接+填充替换 #

这种方法利用pandas的merge操作，先给邻国表标记Y，再左连接到主表，最后填充缺失值为N：

# 给邻国表添加标记列，然后左连接到主表
merged_result = country_points.merge(
    neighbour_df.assign(Neighbour='Y'),
    on=['From.country', 'To.Country'],
    how='left'
)

# 将未匹配到的NaN替换为'N'
merged_result['Neighbour'] = merged_result['Neighbour'].fillna('N')

左连接会保留主表的所有行，匹配到邻国表的行会带上Y，没匹配到的则是NaN，最后用fillna把NaN换成N就完成了。

方法二：利用元组集合匹配 #

这种方法更直观，先把邻国的国家对转换成元组集合，然后判断主表每行的国家对是否在集合中：

# 将邻国表的国家对转换成元组集合，方便快速查找
neighbour_pairs = set(zip(neighbour_df['From.country'], neighbour_df['To.Country']))

# 生成Neighbour列：匹配到就返回Y，否则返回N
country_points['Neighbour'] = (
    country_points[['From.country', 'To.Country']]
    .apply(tuple, axis=1)
    .isin(neighbour_pairs)
    .map({True: 'Y', False: 'N'})
)

zip把两列转换成元组对，set让查找更高效；apply(tuple, axis=1)把主表每行的两个国家也转成元组，isin判断是否在集合中，最后用map把布尔值转换成Y/N。

两种方法最终都会得到你想要的结果：

From.country To.Country  points Neighbour
0      Belgium    Finland       4         Y
1      Belgium    Germany       5         Y
2        Malta      Italy      12         Y
3        Malta         UK       1         N

内容的提问来源于stack exchange，提问作者user9737581