如何在两个DataFrame间执行指定运算：匹配项算比值，无匹配项填0

这是个很常见的DataFrame匹配计算需求，我给你两种简洁的实现方法，都能完美得到你想要的结果：

方法一：用Merge合并后计算（直观易懂） #

这种方法通过左连接保留df1的所有行，匹配df2中存在的id，然后计算比值，最后把未匹配到的项填充为0。

import pandas as pd

# 先构建你的示例数据
df1 = pd.DataFrame({'id': [5, 3, 7, 2], 'count': [124, 136, 12, 345]})
df2 = pd.DataFrame({'id': [5, 7], 'count': [65, 3]})

# 重命名df2的count列，避免合并后列名冲突
df2_renamed = df2.rename(columns={'count': 'count_df2'})

# 左连接两个DataFrame，保留df1的所有行
merged_df = df1.merge(df2_renamed, on='id', how='left')

# 计算比值，未匹配到的项会得到NaN，用fillna(0)替换成0
merged_df['count'] = merged_df['count'].div(merged_df['count_df2']).fillna(0)

# 保留需要的列，并且保留两位小数和示例一致
df3 = merged_df[['id', 'count']].round(2)
print(df3)

运行后输出和你的预期完全一致：

id  count
0   5   1.91
1   3   0.00
2   7   4.00
3   2   0.00

方法二：用Map映射计算（简洁高效） #

如果只需要单列的匹配映射，用字典映射的方式会更高效，代码也更简洁：

import pandas as pd

df1 = pd.DataFrame({'id': [5, 3, 7, 2], 'count': [124, 136, 12, 345]})
df2 = pd.DataFrame({'id': [5, 7], 'count': [65, 3]})

# 把df2转换成id到count的映射系列
df2_count_map = df2.set_index('id')['count']

# 用map获取每个id对应的df2 count值，然后计算比值，NaN填充为0
df1['count'] = df1['count'].div(df1['id'].map(df2_count_map)).fillna(0).round(2)

df3 = df1
print(df3)

两种方法的适用场景 #

• Merge方法：适合需要同时匹配多列数据，或者后续还要做更多数据处理的场景，逻辑清晰，可读性强。
• Map方法：适合只需要单列映射的简单场景，代码更短，执行效率更高。

内容的提问来源于stack exchange，提问作者emax