为多站点时序数据匹配经纬度遇NaN问题，求高效解决方案

问题根源 #

你的代码返回全NaN，核心原因是两个数据集的ID格式不匹配：

• 时序数据里的ID是数值类型（比如301、321）
• 元数据里的ID是带双引号、尾部空格的字符串（比如"301 "）
  两者类型和内容都不统一，导致map无法找到对应匹配项，只能返回NaN。

高效解决方案 #

步骤1：清洗元数据的ID列 #

先把元数据里的ID处理成和时序数据一致的格式：

# 去除ID字段的双引号和前后空格，再转为整数类型
metadata['ID'] = metadata['ID'].str.strip('" ').astype(int)

步骤2：匹配经纬度（两种可选方式） #

方式一：用map继续实现

清洗后再用你原来的逻辑，就能正常匹配：

df['latitude'] = df['ID'].map(metadata.set_index('ID')['Latitude'])
df['longitude'] = df['ID'].map(metadata.set_index('ID')['Longitude'])

方式二：用merge（更直观，适合多字段匹配）

如果需要同时匹配纬度和经度，用merge代码可读性更强，效率也很高：

# 只保留元数据里需要的ID、纬度、经度列，避免合并冗余字段
merged_df = df.merge(metadata[['ID', 'Latitude', 'Longitude']], on='ID', how='left')

how='left'会保留时序数据里所有行，即使某个ID在元数据里找不到（这种情况会返回NaN，方便你排查缺失的站点）。

验证匹配结果 #

可以用以下代码检查是否还有匹配失败的情况：

# 查看匹配后纬度仍为NaN的行
print(merged_df[merged_df['Latitude'].isna()])

如果输出为空，说明所有ID都匹配成功；如果有内容，说明这些ID在元数据里不存在，需要补充元数据或者检查ID是否有误。

内容的提问来源于stack exchange，提问作者Ahegg