如何基于另外两个Pandas DataFrame的值为首个DataFrame新增Rate列

需求说明 #

需要基于df2和df3，为df1新增Rate列：

• 第一步：匹配df1与df2的Name列，确定员工对应的奖金类型；
• 第二步：匹配df1与df3的Date列，从df3对应列中获取当日费率；
• 需处理三个特殊场景：
  1. df3无常规费率对应列；
  2. 常规费率固定为3；
  3. df2的奖金名称与df3列名仅首尾字母一致，中间以连字符连接（如sales对应s-s，overtime对应o-t）。

解决方案代码 #

import pandas as pd
import numpy as np

# 1. 创建示例数据
dates = pd.date_range('20190101', periods=4)

df1 = pd.DataFrame(np.array([
        [dates[0], 'Tim'],
        [dates[1], 'Michael'],  # 修正拼写，与df2保持一致
        [dates[2], 'David'],
        [dates[3], 'Tim']]),
        columns=['Date', 'Name'])
df2 = pd.DataFrame(np.array([
        ['David', 'none'],
        ['Tim', 'sales'],
        ['Michael', 'overtime']]),
        columns=['Name', 'bonus'])
df3 = pd.DataFrame(np.array([
        [dates[0], 8, 10],
        [dates[1], 4, 5],
        [dates[2], 4, 5],
        [dates[3], 4, 5]]),
        columns=['Date', 's-s', 'o-t'])

# 2. 合并df1与df2，获取员工奖金类型
df_merged = df1.merge(df2, on='Name', how='left')

# 3. 根据奖金名称生成df3对应的列名
def get_target_col(bonus):
    if bonus == 'none':
        return None
    # 提取首尾字母，转为小写并以连字符连接
    return f"{bonus[0].lower()}-{bonus[-1].lower()}"

df_merged['target_col'] = df_merged['bonus'].apply(get_target_col)

# 4. 合并df_merged与df3，关联日期对应的费率数据
df_merged = df_merged.merge(df3, on='Date', how='left')

# 5. 提取Rate列：匹配到列则取对应值，否则用默认值3
df_merged['Rate'] = df_merged.apply(
    lambda row: row[row['target_col']] if row['target_col'] is not None else 3,
    axis=1
)

# 6. 整理得到最终的df1
df1_final = df_merged[['Date', 'Name', 'Rate']]
print(df1_final)

代码说明 #

• 合并匹配：通过两次merge操作分别关联员工奖金类型和日期费率数据；
• 列名映射：自定义函数get_target_col处理奖金名称与df3列名的匹配规则；
• 特殊场景处理：当奖金类型为none时，直接赋值固定费率3，避免因df3无对应列导致的取值错误。

输出结果 #

Date     Name  Rate
0 2019-01-01      Tim   8.0
1 2019-01-02  Michael   5.0
2 2019-01-03    David   3.0
3 2019-01-04      Tim   4.0

内容的提问来源于stack exchange，提问作者Bazman