如何基于年份合并两个Pandas DataFrame以计算列相关性？

看起来你遇到的问题核心是两个DataFrame的合并键列名不匹配，加上一处变量名拼写小失误，导致了各种KeyError。我来帮你一步步解决：

第一步：确保日期列是datetime类型 #

首先要确认两个DataFrame的日期列已经被正确解析为datetime格式（如果还没做的话）：

import pandas as pd

# 转换ur的DATE列为datetime
ur['DATE'] = pd.to_datetime(ur['DATE'])
# 转换atddf的yearID列为datetime
atddf['yearID'] = pd.to_datetime(atddf['yearID'])

第二步：提取年份作为共同合并键 #

因为你的DATE是年末日期（如1997-12-31），yearID是年初日期（如1997-01-01），它们属于同一年，所以我们可以从两个日期列中提取年份，生成一个统一的year列：

# 从ur的DATE列提取年份
ur['year'] = ur['DATE'].dt.year
# 从atddf的yearID列提取年份
atddf['year'] = atddf['yearID'].dt.year

第三步：按年份合并DataFrame #

现在两个DataFrame都有了year列，就可以用这个共同键进行合并了：

# 这里用inner join确保只保留两边都存在的年份，你也可以根据需求换成left/right/outer
merged_df = pd.merge(ur, atddf, on='year', how='inner')

第四步：计算相关性 #

合并完成后，直接计算attendance和UNRATE的相关性即可：

# 计算皮尔逊相关系数（默认）
correlation = merged_df['attendance'].corr(merged_df['UNRATE'])
print(f"Attendance与UNRATE的相关性为: {correlation}")

为什么你之前的方法报错？ #

• 前两种merge报错是因为你指定的合并键只存在于其中一个DataFrame中（ur没有yearID，atddf没有DATE）；
• 第三种方法的错误是变量名拼写错误：你写了urdf.assign(...)，但你的DataFrame名叫ur，所以找不到DATE列，把urdf改成ur其实就能正常运行，不过提取单独的year列会更直观。

内容的提问来源于stack exchange，提问作者ChrisC