您可以使用Pandas来合并 Dataframe 。

import pandas as pd    

df1 = Surveyframe
df2 = taxframe

new_df = pd.merge(df1, df2,  how='left', on=['Location','Year'])

这应该是你想要的。此代码将执行左联接。还有其他联接类型：
如何｛“左”、“右”、“外”、“内”、“交叉”｝、默认的“内”要执行的合并类型。
left：仅使用左框架中的键，类似于SQL左外部连接；保留密钥顺序。
right：仅使用右框架中的键，类似于SQL右外部连接；保留密钥顺序。
outer:使用来自两个帧的键的联合，类似于SQL完全外部连接；按词典顺序对关键字进行排序。
内部：使用两个帧的键的交集，类似于SQL内部连接；保留左键的顺序。
cross：从两个帧创建笛卡尔积，保留左键的顺序。
此外，确保在两个 Dataframe 中用作键的标头相同（例如，位置、年份）。否则，如果名称不同，可以使用left_on和right_on。

制作如下。函数my_func中有一个按列“Location”、“Year”分组的方法。x、 values[0][0]是位置，x.values0是年份。根据“taxframe”数据框中的这些值进行选择。
接下来，从过滤后的数据中，我们得到“价值”，其中“总税/包”和“平均成本/包”。
我们通过loc替换值（loc是行索引左侧的显式索引，右侧是列的名称）。在这里你可以阅读关于loc的信息。

import pandas as pd
import numpy as np

Surveyframe['Total Tax/Pack'] = np.nan
Surveyframe['Avg Cost/Pack'] = np.nan

def my_func(x):
    filt = taxframe.loc[(taxframe['Location'] == x.values[0][0]) & (taxframe['Year'] == x.values[0][1])]
    ttp = filt[filt['SubMeasure'] == 'Total Tax/Pack']['Value']
    acp = filt[filt['SubMeasure'] == 'Avg Cost/Pack']['Value']

    Surveyframe.loc[x.index, 'Total Tax/Pack'] = ttp.values[0]
    Surveyframe.loc[x.index, 'Avg Cost/Pack'] = acp.values[0]

Surveyframe.groupby(['Location', 'Year']).apply(my_func)

print(Surveyframe)

输出

Location  Year  Age  Smokes  Total Tax/Pack  Avg Cost/Pack
0       NY  2000   15   False            0.50           5.50
1       NY  2000   17    True            0.50           5.50
2       NY  2001   13    True            0.75           5.75
3       NY  2001   16   False            0.75           5.75
4       SD  2000   15   False            0.10           3.25
5       SD  2000   17    True            0.10           3.25
6       SD  2001   13    True            0.10           3.25
7       SD  2001   16   False            0.10           3.25