合并/映射DataFrame时返回NaN而非目标值的问题排查

现有两个DataFrame df 和 df1，需要将df1中的af、power、fr三列，依据df的Range列与df1的Sy列匹配后添加到df中。尝试使用map方法（df['TotalMax'] = df['Range'].map(df1.set_index('Sy')['af'])）和merge方法后，新生成的列全部返回NaN值。需求如下：

• 当Range为多值范围格式（如700-800）时，对应匹配列返回NaN
• Range值需支持对应不同Filter重复匹配

1. 排查并统一数据格式 #

出现全NaN的核心原因几乎都是df['Range']与df1['Sy']的数据类型/格式不匹配（比如一个是字符串、一个是数值；或字符串带空格/多余符号）。先做格式清理与类型统一：

import pandas as pd

# 清理df的Range列：标记范围值，提取单值并转成数值类型
df['is_range'] = df['Range'].str.contains('-')
# 去除字符串可能带的空格
df['Range'] = df['Range'].str.strip()
# 提取非范围的单值，转为数值（假设df1['Sy']是数值类型）
df['Range_clean'] = pd.to_numeric(df.loc[~df['is_range'], 'Range'], errors='coerce')
# 范围值对应的Range_clean设为缺失值
df.loc[df['is_range'], 'Range_clean'] = pd.NA

# 统一df1的Sy列类型，和Range_clean保持一致
df1['Sy'] = pd.to_numeric(df1['Sy'], errors='coerce')

2. 左连接完成匹配 #

用左连接保留df的所有行，同时匹配df1的目标列，范围值会自动返回NaN：

# 只取df1中需要匹配的列
match_cols = df1[['Sy', 'af', 'power', 'fr']]
# 左连接，基于清理后的Range_clean和Sy匹配
result_df = df.merge(match_cols, left_on='Range_clean', right_on='Sy', how='left')

3. 清理临时列（可选） #

如果不需要中间生成的临时列，直接删除即可：

result_df = result_df.drop(columns=['is_range', 'Range_clean', 'Sy'])

额外注意事项 #

• 如果df1中Sy存在重复值，merge后会出现重复行，可提前去重：df1 = df1.drop_duplicates(subset='Sy')
• 若Range的单值格式特殊（如带单位），需要先做字符串提取（比如用str.extract(r'(\d+)')提取数字部分）

内容的提问来源于stack exchange，提问作者KRANTHI KUMAR