Python 复杂的过滤和合并/连接多个子数据帧

我有一个看似复杂的问题，我对如何解决它有一个大致的想法，但我不确定这是否是最好的解决方法。我将给出该场景，并感谢您对如何分解该场景的任何帮助。我刚接触熊猫，请原谅我的无知

场景

我有一个作为数据帧导入的CSV文件。我正在处理的示例包含2742行×136列。行是可变的，但列是设置的。我有一套23个查找表（也称为CSV文件），分别命名为每年、每个季度（范围为2020年第三季度-2015年第一季度）。查找文件的名称如下：PPRRVU203.CSV。因此，其中包含2020年第三季度的值。查找表由两列（'Code'和'Mod'）匹配，我使用了在查找中关联的三个值

我试图过滤数据帧的各个部分，从匹配的查找文件中提取正确的值，合并回原始子集，然后替换到原始数据帧中

思想

我可能可以将其抽象并封装在函数中，但不确定如何将其放回函数中。我的问题是，对于那些比我更了解熊猫的人来说，过滤、替换值和写回文件的最佳方法是什么

直截了当的解决方案是将原始数据帧过滤成23个单独的数据帧，然后对每个单独的文件进行合并，然后合并成一个新的数据帧并输出到CSV

这似乎效率很低

---

我可以发布代码，但我正在寻找更多的高层想法？

不确定您的数据帧到底是什么样子，但该方法可能会被证明对数据选择有用

name = df.query('columnname == "something"')

---

克里斯蒂安，我不熟悉那种方法。我还发现了值得调查的问题。谢谢你的建议！