Python 熊猫使用两个数据帧比较和放置数据

python中有两个数据帧，如下所示：

df2
-----------------------------
    DATA_CLASS  DATA_INFO   DATA_SIZE
0   AA1         TYPE1        3
1   AAAB        TYPE2        4
2   AACCC       TYPE3        5

df1['DATA_INFO'] = ''
for idx, row in df2.iterrows():
    size = row['DATA_SIZE']

    df1.loc[df1.DATA.str[:size] == row['DATA_CLASS'], 'DATA_INFO'] =  row['DATA_INFO']    

df1是原始数据集

df2是df1的列信息

import pandas as pd

df1 = pd.DataFrame()
data_list = ['AA1','AAABB','AACCCDDDD', 'AACCCDDDDEEEEE','AA111','AA11222']
df1['DATA'] = data_list

df1是这样的原始数据集：

df1
-------------------
    DATA
-------------------
0   AA1
1   AAABB
2   AACCCDDDD
3   AACCCDDDDEEEEE
4   AA111
5   AA11222

df2代码：

df2 = pd.DataFrame()
data_list = ['AA1','AAAB','AACCC']
info_list = ['TYPE1','TYPE2','TYPE3']
size_list = [3, 4, 5]
df2['DATA_CLASS'] = data_list
df2['DATA_INFO']  = info_list
df2['DATA_SIZE']  = size_list

df2具有df1的“数据”列信息

df2如下所示：

df2
-----------------------------
    DATA_CLASS  DATA_INFO   DATA_SIZE
0   AA1         TYPE1        3
1   AAAB        TYPE2        4
2   AACCC       TYPE3        5

df1['DATA_INFO'] = ''
for idx, row in df2.iterrows():
    size = row['DATA_SIZE']

    df1.loc[df1.DATA.str[:size] == row['DATA_CLASS'], 'DATA_INFO'] =  row['DATA_INFO']    

我想使用df2['DATA\u CLASS'，'DATA\u SIZE']在df1中输入'DATA\u INFO'

所以我这样写：

df2
-----------------------------
    DATA_CLASS  DATA_INFO   DATA_SIZE
0   AA1         TYPE1        3
1   AAAB        TYPE2        4
2   AACCC       TYPE3        5

df1['DATA_INFO'] = ''
for idx, row in df2.iterrows():
    size = row['DATA_SIZE']

    df1.loc[df1.DATA.str[:size] == row['DATA_CLASS'], 'DATA_INFO'] =  row['DATA_INFO']    

因此，df1有了新的列“数据信息”：

    DATA              DATA_INFO
----------------------------------
0   AA1               TYPE1
1   AAABB             TYPE2
2   AACCCDDDD         TYPE3
3   AACCCDDDDEEEEE    TYPE3
4   AA111             TYPE1
5   AA11222           TYPE1

但是我在使用dataframe.loc函数时遇到了一个问题

如果df1的行数超过100000行，而df2的行数超过10000行，则需要很长时间来处理

我认为dataframe的iterrows（）是延迟的主要原因

有人知道如何解决df1中的put数据类型吗

---

不使用.loc函数？

我认为您可以首先通过column

DATA\u SIZE

的值创建

df1

的新列以及所有可能的子字符串，然后使用

df1

和。如果订购很重要，请使用：

---

我认为您可以首先创建

df1

的新列，通过列

DATA\u SIZE

的值使用所有可能的子字符串，然后使用

df1

和。如果订购很重要，请使用：

---

非常感谢。就我而言，你是最好的。使用您的解决方案连接两个数据帧非常快。谢谢！就我而言，你是最好的。使用您的解决方案连接两个数据帧非常快。