合并GeoDataFrame与DataFrame后Primary_IncomeNet列全为NaN：原因及解决

核心问题 #

1. 变量名误用：你把收入数据读取到了provi_income变量，但合并时调用的是income——这个变量只是存储了csv文件路径的字符串，根本不是实际的数据框，自然无法匹配出有效数据。
2. 字符串空格不匹配：从你提供的income表数据能看到，identificatie列的每个PV值后面都带了多余空格（比如PV20 ），而polygons表的identificatie列是无空格的干净值（PV20），字符串内容不一致导致关联失败。

修正代码 #

# 修正文件路径写法（原代码缺少引号，会报错）
polygons = gpd.read_file("polygons.geojson")
provi_income = pd.read_csv("income.csv")

# 清理两个表中identificatie列的首尾空格
polygons['identificatie'] = polygons['identificatie'].str.strip()
provi_income['identificatie'] = provi_income['identificatie'].str.strip()

# 使用正确的变量执行左连接
merge = polygons.merge(provi_income, on="identificatie", how='left')

验证方法 #

可以先检查两个列的唯一值是否匹配，确认清理效果：

print("polygons的identificatie唯一值：", polygons['identificatie'].unique())
print("provi_income的identificatie唯一值：", provi_income['identificatie'].unique())

如果输出的唯一值完全对应，合并后Primary_IncomeNet列就会正常显示数值。

内容的提问来源于stack exchange，提问作者Ben Watson