Pandas高效合并DataFrame：基于索引的优化策略
数据处理中，合并多个DataFrame是常见操作。本文介绍一种高效方法，实现基于日期和名称匹配，将一个DataFrame的数据添加到另一个DataFrame的新列中。
问题背景：
假设有两个DataFrame：df1和df2。df1包含日期（date）和名称（name）列以及其他数据。df2的列名与df1的date列相同，行名与df1的name列相同。目标是根据日期和名称将df2的数据匹配到df1，并在df1中添加名为“result”的新列存储匹配数据。避免低效的循环遍历，需要更优方案。
高效解决方案：
Pandas的join函数结合索引操作，可实现高效匹配。代码如下：
(
df1.set_index(['date', 'name'])
.join(
df2.stack()
.rename_axis(index=['date', 'name'])
.rename('result')
)
)代码首先将df1的'date'和'name'列设为索引，方便连接。然后，stack()函数将df2转换为Series，创建多层索引（'date'和'name'）。rename_axis重命名索引，rename为Series命名为'result'。最后，join函数连接处理后的df2和df1，将匹配数据添加到df1的'result'列。此方法利用Pandas的向量化运算，避免循环，显著提高效率，尤其在大数据集处理中。
以上就是如何高效合并两个DataFrame：基于索引的巧妙方法？的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告![ThinkPHP5快速开发企业站点[全程实录]](https://img.php.cn/upload/course/000/000/068/6253d918a3ce7278.png)
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
817
