我有两个数据帧：Small_dataframe（2000行）和big_dataframe（100万+行）
Small_dataframe has the following fields. The object_type field contains values of interest:
object_type, feature_1, feature_2, feature_3 .... feature_100.
如果Small_dataframe中的字段子集与big_dataframe中相同的子集匹配，则需要将Small_dataframe的每一行中的object_type复制到big_dataframe，如下所示。
big_dataframe has the same fields (but object_type field in big_dataframe is initially empty):
object_type, feature_1, feature_2, feature_3 .... feature_100
操作示例：
查看小型Small_dataframe中的第0行，我发现在此特定的第0行中，3个要素列不为None或为空，而所有其他要素字段（列）均为None或为空。然后，我将在big_dataframe中检查是否有行，其中相同的3个要素（列）等于small_dataframe 3个要素（列），而所有其他要素字段均为None或为空。如果是这样，则设置big_dataframe ['object_type'] = small_dataframe ['object_type']。
查看小型Small_dataframe中的第1行，我发现在此特定的第1行中，8个要素列不为None或为空，其他要素字段（列）为None或为空。然后，我将在big_dataframe中进行检查，以查看是否存在与small_dataframe 8个要素（列）相同的8个要素，而所有其他要素字段（列）都为无或为空的行。如果是这样，则设置big_dataframe ['object_type'] = small_dataframe ['object_type']。
.
. and so on
.
查看小型Small_dataframe中的＃300行，我发现在此特定的行1中，17个要素列不为None或为空，其他要素字段为None或为空。然后，我将在big_dataframe中检查是否有行，其中相同的17个特征等于small_dataframe 17个特征，而所有其他特征字段为None或为空。如果是这样，则设置big_dataframe ['object_type'] = small_dataframe ['object_type']。
我希望做到这一点，同时最大程度地使用内置功能，以避免熊猫在一个或两个框架上出现迭代。请注意，如上所述，匹配的列数从一行变为另一行。我希望您能以更有效的方式以最少的循环实现此目的的任何反馈。