如何在主DataFrame中添加子集DataFrame的匹配值列

需求：现有结构不匹配的两个DataFrame，其中一个是另一个的子集（分别称为主DataFramedfa、子集DataFramedfs），需以两表的Col2列为匹配键，在dfa中新增一列——匹配到的填入对应Col2值，未匹配到的显示NaN。

示例数据 #

主DataFrame（dfa） #

Col1  Col2
1     0,01
2     0.002
3     0.02
4     0.003
5     0.004
6     0.005
7     0.008

子集DataFrame（dfs） #

Col1  Col2  
1     0,01  
2     0.002
3     0.02
4     0.004

预期输出 #

Col1  Col2    Col2
1     0,01    0,01 
2     0.002   0.002
3     0.02    0.02
4     0.003   NaN
5     0.004   0.004
6     0.005   NaN
7     0.008   NaN

实现方式 #

方式1：用merge左连接 #

以Col2为键做左连接，自动保留dfa所有行，未匹配项填充NaN：

import pandas as pd

# 假设dfa、dfs已初始化
result = dfa.merge(dfs[['Col2']], on='Col2', how='left', suffixes=('', '_match'))
# 若要让新增列名与示例一致（同为Col2），可重命名列
result = result.rename(columns={'Col2_match': 'Col2'})
print(result)

方式2：用isin结合where #

直接判断dfa的Col2值是否存在于dfs的Col2中，匹配失败则赋值NaN：

import pandas as pd

# 新增列并赋值，匹配成功保留原值，失败填NaN
dfa['Col2_new'] = dfa['Col2'].where(dfa['Col2'].isin(dfs['Col2']), pd.NA)
# 若需和示例列名一致，执行重命名
dfa = dfa.rename(columns={'Col2_new': 'Col2'})

注：示例中新增列与原列同名，实际建议使用不同名称（如Col2_match）避免混淆，若业务要求必须同名，可按上述代码处理。

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