Python中DataFrame映射：匹配code列并填充不匹配项

首先，咱们先看看你的代码为什么不工作：你写的嵌套循环里，每次判断后都是直接给整个列赋值（First_table['sec_number'] = ...），而不是给当前匹配的那一行单元格赋值。这样循环结束后，所有行都会被最后一次循环的结果覆盖，自然得不到你想要的效果。

接下来分两部分回答你的问题：

一、如何通过迭代为特定单元格赋值（小数据量可用） #

如果一定要用迭代的方式，你可以用iterrows()来遍历每一行，然后通过loc定位到具体单元格赋值。先初始化新列为默认值"Not match"，再逐个匹配更新：

import pandas as pd

# 先创建你的两个DataFrame（方便测试）
First_table = pd.DataFrame({
    'name': ['Willard', 'Al', 'Omar', 'Spencer', 'Abin'],
    'age': [20, 19, 22, 21, 18],
    'grade': [88, 92, 95, 70, 76],
    'code': [2877, 3000, 3710, 4001, 2338]
})

Second_table = pd.DataFrame({
    'sec.Code': [2877, 1244, 3000, 2338, 4553],
    'sec.number': [10003, 13772, 98822, 11223, 22996]
})

# 初始化新列
First_table['sec.number'] = "Not match"

# 逐行迭代更新
for idx, row in First_table.iterrows():
    # 查找当前code对应的sec.number
    match_row = Second_table[Second_table['sec.Code'] == row['code']]
    if not match_row.empty:
        First_table.loc[idx, 'sec.number'] = match_row['sec.number'].iloc[0]

print(First_table)

不过要注意：这种逐行迭代的方法效率很低，如果你的DataFrame有上万行甚至更多，运行速度会非常慢，因为pandas本来就是为矢量化操作设计的，逐行操作违背了它的设计初衷。

二、更高效的实现方式（推荐） #

下面两种方法都是pandas的矢量化操作，速度快得多，代码也更简洁：

方法1：使用map() + 字典映射 #

先把第二个表转换成{code: number}的字典，然后用map()函数完成映射，缺失值直接用get()方法填充为"Not match"：

# 创建映射字典
code_number_map = Second_table.set_index('sec.Code')['sec.number'].to_dict()

# 完成映射
First_table['sec.number'] = First_table['code'].map(lambda x: code_number_map.get(x, "Not match"))

print(First_table)

方法2：使用merge()左连接 #

用左连接保留第一个表的所有行，然后把缺失的sec.number填充为"Not match"：

# 左连接两个表，匹配code和sec.Code
merged_df = First_table.merge(
    Second_table,
    left_on='code',
    right_on='sec.Code',
    how='left'
)

# 填充缺失值
merged_df['sec.number'] = merged_df['sec.number'].fillna("Not match")

# 移除多余的sec.Code列（如果不需要的话）
merged_df = merged_df.drop('sec.Code', axis=1)

print(merged_df)

这两种方法都能快速得到你想要的结果，其中map()方法代码最简洁，适合这种简单的一对一映射场景；merge()方法更灵活，适合需要处理更复杂连接逻辑的情况。

内容的提问来源于stack exchange，提问作者RGRGRG