如何在Pandas中基于条件复制列值到另一DataFrame并保留所有记录？

核心思路 #

由于df1的Column A包含逗号分隔的多值，直接使用merge会因格式不匹配丢失记录。正确的做法是先拆分多值为单独行，匹配后再合并回原结构，全程保留df1的所有记录。

实现代码 #

import pandas as pd

# 构建示例数据
df1 = pd.DataFrame({
    'Column A': ['1000', '1001', '1002', '1003,1004'],
    'Column B': ['Company1', 'Company2', 'Company3', 'Company4']
})

df2 = pd.DataFrame({
    'Column A': ['1000', '1001', '1002', '1003', '1004', '1005'],
    'Column B': [2.1, 2.3, 2.1, 3, 6.1, 2.2],
    'Column C': ['2.1_Info1', '2.3_Info2', '2.1_Info1', '3_Info3', '6.1_Info4', '2.2_Info5']
})

# 1. 拆分df1的多值列并展开为多行，保留原索引
df1_expanded = df1.assign(Column_A_split=df1['Column A'].str.split(',')).explode('Column_A_split')

# 2. 左连接df2，获取对应Column C的值，确保保留所有df1记录
merged = df1_expanded.merge(
    df2[['Column A', 'Column C']], 
    left_on='Column_A_split', 
    right_on='Column A', 
    how='left'
)

# 3. 按原索引分组，合并同一行匹配到的所有Column C值
result = merged.groupby(merged.index).agg(
    Column_A=('Column A_x', 'first'),
    Column_B=('Column B', 'first'),
    Matched_Column_C=('Column C', lambda x: ','.join(x.dropna().astype(str)))
).reset_index(drop=True)

# 处理无匹配的情况，将空值转为pd.NA（可按需改为空字符串）
result['Matched_Column_C'] = result['Matched_Column_C'].replace('', pd.NA)

print(result)

代码解释 #

• 拆分展开：str.split(',')将逗号分隔的字符串拆分为列表，explode把列表中的每个元素转为单独一行，同时保留原df1的索引，为后续合并做准备。
• 左连接：how='left'保证df1的所有原始记录都被保留，即使没有匹配到df2的记录也不会丢失。
• 分组合并：通过原索引分组，将同一原始行对应的多个Column C值用逗号拼接，还原回df1的原始行数结构。
• 空值处理：对没有匹配结果的行，将Matched_Column_C设为pd.NA，便于后续识别和处理。

最终输出 #

内容的提问来源于stack exchange，提问作者ZeroCool