Pandas中DataFrame关联时部分匹配行返回NaN的问题解决

问题场景 #

现有两个DataFrame：
df1：

|id|name| 
|2|op|
|4|kl|
|5|jk|

df2：

|id_no|
|4|
|2|
|5|
|2|
|1|

需求是将df1中的name列根据ID匹配关联到df2中，使用以下代码实现：

df2['id_no'] = df2['id_no'].astype('int64')
df1['id'] = df1['id'].astype('int64')

df2['names'] = df2['id_no'].map(df1.set_index('id')['name'])

但得到的结果出现异常：第二个id_no=2的行未匹配到对应name，返回了NaN：

|id_no|names|
|4|kl|
|2|op|
|5|jk|
|2|NaN|
|1|NaN|

解决方案 #

方法一：用merge替代map（推荐） #

merge是Pandas专为关联场景设计的方法，稳定性远高于map，能完美处理重复匹配的情况：

# 统一数据类型
df2['id_no'] = df2['id_no'].astype('int64')
df1['id'] = df1['id'].astype('int64')

# 左关联保留df2所有行，完成匹配后整理列名
df_result = df2.merge(df1, left_on='id_no', right_on='id', how='left')
df_result = df_result.drop('id', axis=1).rename(columns={'name': 'names'})

执行后可得到正确结果：

|id_no|names|
|4|kl|
|2|op|
|5|jk|
|2|op|
|1|NaN|

方法二：修复map的使用前提 #

如果坚持使用map，需确保df1的id列唯一（若存在重复值需先去重）：

# 去除df1中重复的id记录
df1 = df1.drop_duplicates(subset='id')
# 执行map匹配
df2['names'] = df2['id_no'].map(df1.set_index('id')['name'])

额外排查方向 #

若上述方法无效，需检查数据是否存在隐性问题：

• df2的id_no列是否有空格、隐藏字符：可先通过df2['id_no'] = df2['id_no'].astype(str).str.strip().astype('int64')清洗数据。
• df1的id列是否存在类似格式问题，同样先清洗再执行关联。

内容的提问来源于stack exchange，提问作者deepu2711