如何基于复合键合并Pandas中的坐标DataFrame？

1. 修复KeyError问题 #

出现KeyError: 'Incident_Number'的核心原因是melt操作时丢失了Incident_Number列。默认情况下melt()会把所有未指定的列转为值列，必须通过id_vars参数明确保留Incident_Number作为标识列。

示例代码（修复melt步骤）：

# 假设原始宽表为df_coords，包含Incident_Number、Latitude、Longitude列
df_coords_long = df_coords.melt(
    id_vars=['Incident_Number'],  # 必须指定，保留合并所需的键列
    var_name='Coord_Type',        # 可选，标记当前行是纬度还是经度（比如"Latitude"/"Longitude"）
    value_name='GeoCodeCoordinates'  # 目标列名，对应需求
)

执行后用print(df_coords_long.columns)确认Incident_Number列存在。

另外需排查列名一致性：

• 检查两个待合并表的Incident_Number列名是否完全一致（注意大小写、空格、特殊字符，比如Incident Number和Incident_Number是不同列）
• 若列名不一致，用df.rename(columns={'原列名': 'Incident_Number'}, inplace=True)统一

2. 正确执行合并（支持NaN填充） #

因两表记录数不等，需用**外连接（how='outer'）**保留两边所有记录，缺失的GeoCodeCoordinates会自动填充NaN。

场景1：仅基于Incident_Number合并

如果目标是将长格式的坐标数据关联到主表的每个事件记录（每个事件会生成两行，分别对应纬度、经度）：

# df_main是需添加GeoCodeCoordinates的目标表，需包含Incident_Number列
merged_df = pd.merge(
    df_main,
    df_coords_long,
    on='Incident_Number',
    how='outer'  # 外连接保留所有记录，缺失值填充NaN
)

场景2：基于Incident_Number+坐标类型的复合键合并

如果目标表也是长格式（按事件+坐标类型拆分），需用复合键确保纬度、经度精准匹配：

# 假设df_main_long包含Incident_Number和Coord_Type列
merged_df = pd.merge(
    df_main_long,
    df_coords_long,
    on=['Incident_Number', 'Coord_Type'],
    how='outer'
)

关键注意事项 #

• 合并前确认两个表的键列无缺失值（若有缺失，可先用df.dropna(subset=['Incident_Number'])清理，或保留缺失值等待合并后填充）
• 若需控制合并后的列顺序，可手动指定merged_df = merged_df[['Incident_Number', 'GeoCodeCoordinates', ...]]

内容的提问来源于stack exchange，提问作者TravisB