如何基于字典合并两个Pandas DataFrame？

实现步骤 #

要完成你需要的合并，核心思路是通过映射字典关联两个DataFrame的对应字段，结合预处理后的df2完成合并，具体操作如下：

1. 预处理df2：去重保留唯一标识行
   由于df2中存在重复的col01值（如name1出现两次），而你的预期结果只匹配每个col01对应的第一条记录，所以先对df2去重：

   import pandas as pd
   
   # 构造原始DataFrame
   df1 = pd.DataFrame({
       'col11': ['abc', 'bcd', 'cdf', 'abc'],
       'col22': [25, 55, 15, 74],
       'col33': [36, 96, 19, 26]
   })
   
   df2 = pd.DataFrame({
       'col01': ['name1', 'name2', 'name3', 'name1'],
       'col02': ['x', 'g', 't', 'k'],
       'col03': [346, 926, 179, 286]
   })
   
   mydict = {'abc': 'name1', 'bcd': 'name2', 'cdf': 'name3'}
   
   # 对df2去重，保留每个col01的第一条记录
   df2_unique = df2.drop_duplicates(subset='col01', keep='first')
   

2. 映射字段并合并DataFrame
   通过map方法将df1的col11转换为df2的col01对应值，再执行左连接合并：

   # 给df1添加映射后的col01列
   df1['col01'] = df1['col11'].map(mydict)
   
   # 左连接合并，确保df1的所有行都被保留
   merged_df = pd.merge(df1, df2_unique, on='col01', how='left')
   

最终结果 #

执行上述代码后，merged_df的输出与你预期的结果完全一致：

col11  col22  col33  col01 col02  col03
0   abc     25     36  name1     x    346
1   bcd     55     96  name2     g    926
2   cdf     15     19  name3     t    179
3   abc     74     26  name1     x    346

补充说明 #

• 如果需要匹配df2中col01的所有重复记录，只需去掉df2.drop_duplicates这一步直接合并即可，但此时结果会出现多行匹配的情况。
• 使用how='left'可以确保df1中的所有行都被保留，避免因映射不到而丢失数据。

内容的提问来源于stack exchange，提问作者HMadadi