匹配DataFrame同名记录并累加Score值的实现方案

我有以下两个DataFrame：

DF1 #

DF2（所有Name均存在于DF1中，DF1的Name字段唯一） #

需要将DF2中每条记录的Score累加到DF1对应Name的Score上，最终得到如下结果：

目标结果 #

方法1：合并后累加 #

通过merge将两个DataFrame按Name关联，再对Score列求和：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'Name': ['A', 'B', 'C', 'D', 'E'],
    'Age': [20, 21, 22, 23, 24],
    'Score': [55, 60, 20, 25, 30]
})

df2 = pd.DataFrame({
    'Name': ['A', 'D', 'E'],
    'Age': [20, 23, 24],
    'Score': [20, 40, 80]
})

# 合并Score列，左连接保留DF1所有记录
merged = df1.merge(df2[['Name', 'Score']], on='Name', how='left', suffixes=('', '_df2'))
# 累加Score，未匹配到的记录加0
merged['Score'] = merged['Score'] + merged['Score_df2'].fillna(0)
# 提取目标列
result = merged[['Name', 'Age', 'Score']]
print(result)

方法2：字典映射累加 #

将DF2的Score转为字典，通过map快速匹配并累加：

import pandas as pd

df1 = pd.DataFrame({
    'Name': ['A', 'B', 'C', 'D', 'E'],
    'Age': [20, 21, 22, 23, 24],
    'Score': [55, 60, 20, 25, 30]
})

df2 = pd.DataFrame({
    'Name': ['A', 'D', 'E'],
    'Age': [20, 23, 24],
    'Score': [20, 40, 80]
})

# 构建Name到Score的映射字典
score_dict = df2.set_index('Name')['Score'].to_dict()
# 累加Score，不存在的Name加0
df1['Score'] += df1['Name'].map(score_dict).fillna(0)
print(df1)

方法3：add方法批量更新 #

利用pandas的add方法，按索引匹配并累加，效率更高：

import pandas as pd

df1 = pd.DataFrame({
    'Name': ['A', 'B', 'C', 'D', 'E'],
    'Age': [20, 21, 22, 23, 24],
    'Score': [55, 60, 20, 25, 30]
})

df2 = pd.DataFrame({
    'Name': ['A', 'D', 'E'],
    'Age': [20, 23, 24],
    'Score': [20, 40, 80]
})

# 复制原数据避免修改源DF
result = df1.copy()
# 将DF2转为以Name为索引的Series
df2_score = df2.set_index('Name')['Score']
# 批量累加Score，未匹配项填充0
result['Score'] = result['Score'].add(df2_score, fill_value=0)
print(result)

以上三种方法均能实现需求，其中方法2和3无需额外合并操作，处理大数据量时效率更优。

内容的提问来源于stack exchange，提问作者ancalleja