如何在Pandas中基于另一DataFrame实现查找匹配列？

我尝试执行以下代码：

df1 = pd.merge(df1, df2, how="inner", on="UserID")

运行时出现KeyError，同时不确定这种方法是否能得到正确结果，担心它只是简单将第二个DataFrame的数据拼接在第一个旁，而非按UserID匹配对应的Email和Name。

现有df1： #

现有df2： #

期望结果： #

问题解决与说明 #

1. KeyError原因 #

你用on="UserID"合并，但df2中没有UserID列——df2里存储用户ID的列是ObjectID，这是报错的直接原因。

2. 正确合并代码 #

需要指定左右表的匹配列，同时处理拼写差异（df1的sarah789和df2的sara789少了一个h）：

# 先修正df1的UserID拼写
df1["UserID"] = df1["UserID"].replace("sarah789", "sara789")

# 按df1.UserID匹配df2.ObjectID，保留df1所有行
df_merged = pd.merge(df1, df2, how="left", left_on="UserID", right_on="ObjectID")

# 清理列并调整名称匹配期望结果
df_merged = df_merged.drop(columns="ObjectID_y")
df_merged = df_merged.rename(columns={
    "ObjectID_x": "Object ID",
    "UserID": "User ID"
})

• 用how="left"确保df1的所有行都被保留，避免inner合并丢失未匹配的行
• 拼写修正后，sarah789才能匹配到df2的sara789

3. 合并逻辑说明 #

Pandas的merge不是简单拼接，它会根据指定的匹配列逐行查找对应值并合并，完全符合你“按UserID查找对应Email和Name”的需求。

内容的提问来源于stack exchange，提问作者Phil Mann