如何在日期匹配时将df1的price与df2汇率相乘并添加至df1

没问题，这是个很典型的DataFrame匹配计算场景，我来一步步帮你搞定：

核心思路 #

我们需要通过日期列精准匹配把两个DataFrame合并，再用price乘以对应日期的汇率得到新列priceEUR。用Pandas的merge方法就能轻松实现，具体步骤如下：

步骤1：统一日期列格式 #

首先要确保两个DataFrame的date列都是datetime类型，避免字符串格式差异导致匹配失败：

import pandas as pd

# 构造你的示例数据（你可以直接替换成自己的真实数据）
df1 = pd.DataFrame({
    'date': ['2019-12-21', '2019-10-25', '2019-10-24', '2019-12-13'],
    'price': [140, 91, 91, 70]
})

df2 = pd.DataFrame({
    'date': ['2019-12-21', '2019-12-22', '2019-10-25', '2019-10-24', '2019-12-13'],
    'exchange rate': [1.1097, 1.117, 1.1074, 1.1073, 1.108]  # 补充了你预期结果需要的对应汇率
})

# 转换日期列为datetime类型
df1['date'] = pd.to_datetime(df1['date'])
df2['date'] = pd.to_datetime(df2['date'])

步骤2：按日期合并DataFrame #

使用merge方法做左连接（how='left'），这样能完整保留df1的所有行，同时匹配df2中对应日期的汇率：

# 按date列合并两个DataFrame
merged_df = df1.merge(df2, on='date', how='left')

步骤3：计算新列priceEUR #

直接将price和exchange rate相乘，就能得到转换后的欧元价格：

# 计算并添加priceEUR列
merged_df['priceEUR'] = merged_df['price'] * merged_df['exchange rate']

# 如果你想直接在原df1上添加列，也可以这么写
df1['priceEUR'] = df1['price'] * df1.merge(df2, on='date', how='left')['exchange rate']

最终结果 #

运行完上述代码后，你会得到和预期完全一致的结果：

额外小提示 #

• 如果df2里有df1没有的日期，左连接会自动忽略这些无关行；
• 如果df1中有日期在df2里找不到对应汇率，priceEUR会显示NaN，你可以用merged_df['priceEUR'].fillna(0)或者其他逻辑填充缺失值；
• 要是觉得exchange rate列名带空格写起来麻烦，可以先重命名：df2.rename(columns={'exchange rate': 'exchange_rate'}, inplace=True)，后续代码里直接用exchange_rate更顺手。

内容的提问来源于stack exchange，提问作者Murakmad