如何基于另一DataFrame的属性列生成含指定字段的最终DataFrame？

现有两个DataFrame：

df #

df2 #

已知人员的所有属性包括：age、email、married?、employed?、have a car?、imigrant?、student?，需要生成目标DataFrame df_final：

df_final #

曾尝试手动为df添加属性列，再使用df.loc[df['name']==df2['name'], df2['attribute']]插入对应值，但未成功。

通过透视df2再与df合并的方式可以快速实现需求，步骤如下：

1. 将df2转为宽格式，把attribute的内容作为列名，value作为对应单元格的值：

df2_pivot = df2.pivot(index='name', columns='attribute', values='value').reset_index()

执行后会得到以name为标识、各属性为列的DataFrame，缺失的属性值默认填充NaN。

2. 按name列将df和透视后的df2_pivot左合并：

df_final = df.merge(df2_pivot, on='name', how='left')

3. 补充缺失的属性列并调整列顺序，同时将NaN替换为空字符串匹配目标格式：

# 定义所有需要的属性列
all_columns = ['name', 'age', 'email', 'married?', 'employed?', 'have a car?', 'imigrant?', 'student?']
# 重新排列列，缺失的列会自动添加
df_final = df_final.reindex(columns=all_columns)
# 将NaN替换为空字符串
df_final = df_final.fillna('')

执行完以上代码后，就能得到与目标一致的df_final。

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