Python中如何将聚合生成的分段列匹配合并至原DataFrame

我有一张包含公司名称及各订单金额的表格：

我需要添加一个新列，根据公司的订单总金额将其划分为Prime、Platinum、Gold、Silver四个分段，已完成以下步骤：

1. 按公司名称聚合订单总金额：

seg = orders.loc[:,['Company Name', 'Order Value']].groupby('Company Name').sum()

聚合结果示例：

2. 通过条件判断添加分段列：

conditions = [
    (seg['Order Value'] >= 124485),
    (seg['Order Value'] >= 105503) & (seg['Order Value'] < 124485),
    (seg['Order Value'] >= 88174) & (seg['Order Value'] < 105503),
    (seg['Order Value'] < 88174)
]

values = ['Prime', 'Platinum', 'Gold', 'Silver']

seg['Segment'] = np.select(conditions, values)

现在需要将Segment列按公司名称匹配，添加到原DataFrame（orders）中，求实现方法。

有两种简单高效的方法可以实现这个需求：

方法1：使用merge合并DataFrame #

merge是Pandas中关联数据的常用方法，通过Company Name作为关联键，将seg中的Segment列合并到原orders表中：

# 重置seg的索引，将Company Name从索引转为普通列
seg_reset = seg.reset_index()
# 合并到原orders表，仅保留需要的Segment列
orders_with_segment = orders.merge(seg_reset[['Company Name', 'Segment']], on='Company Name', how='left')

• how='left'确保原orders的所有行都被保留，避免因数据缺失丢失订单记录。

方法2：使用map映射分段值 #

由于seg在聚合后Company Name是索引，可直接用map方法通过公司名称映射对应的Segment值：

# 直接用orders的Company Name列匹配seg的Segment值
orders['Segment'] = orders['Company Name'].map(seg['Segment'])

这种方法代码更简洁，适合一对一的映射场景；如果需要合并多列数据，merge方法会更灵活。

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