基于合同号与组件匹配DataFrame B的price列值至DataFrame A

核心思路 #

DataFrame A是宽表结构（每个组件对应一列），DataFrame B是长表结构（一行对应一个合同号+组件的价格），需要先统一格式再完成匹配，具体步骤如下：

1. 将DataFrame A转换为长格式 #

把A中分散的组件列合并为「组件编码」「组件状态」两列，保留合同号作为关联标识：

import pandas as pd

# 宽表转长表
df_A_long = df_A.melt(
    id_vars=['合同号'],
    var_name='组件编码',
    value_name='组件状态'  # 对应原A中组件列的取值，如数量/是否存在标记
)

# 过滤无组件的行（按需选择）
df_A_long = df_A_long[df_A_long['组件状态'].notna() & (df_A_long['组件状态'] != 0)]

2. 与DataFrame B匹配价格 #

通过合同号和组件编码双字段关联，提取B中的price值：

# 合并匹配，保留A中所有行，匹配不到的price将显示为NaN
df_A_with_price = pd.merge(
    df_A_long,
    df_B[['合同号', '组件编码', 'price']],
    on=['合同号', '组件编码'],
    how='left'
)

3. 按需转回宽表（可选） #

如果需要恢复原A的宽表结构，新增对应组件的价格列：

# 长表转宽表，每个组件对应一个price列
df_A_wide_price = df_A_with_price.pivot(
    index='合同号',
    columns='组件编码',
    values='price'
).reset_index()

# 与原A合并，得到最终带价格的宽表
final_df = pd.merge(df_A, df_A_wide_price, on='合同号', how='left')

关键注意事项 #

• 确保两个DataFrame的合同号和组件编码格式完全一致：统一字符串/数字类型，消除大小写、空格差异
• 若df_B存在重复的合同号+组件编码组合，先执行df_B.drop_duplicates(subset=['合同号', '组件编码'], keep='first')去重
• 若原A的组件列是数量值，可新增总价列：df_A_with_price['总价'] = df_A_with_price['组件状态'] * df_A_with_price['price']

内容的提问来源于stack exchange，提问作者Tagli94