基于Pandas映射填充数据集缺失的region字段

现有两个数据集：

df_1前4行数据：

region  postal_code
Adrar   1000
Broko   5633
Conan   4288
Cymus   7435

df_2前4行数据：

Name     Charges   region    postal_code   Revenue    
Lia        HG       Pintol    4522           345
Joss       PX       Inend     7455           142
Amph       CT                 5633           148
Andrew     UY       Liven     9033           147

需要填充df_2中缺失的region字段，规则是通过postal_code匹配df_1中的对应region值（例如df_2第三行postal_code为5633，对应df_1的region为Broko）。

解决方案 #

方法1：使用map函数（高效简洁） #

先将df_1转换为postal_code到region的映射字典，再用该字典填充df_2的缺失值，仅覆盖region字段的空值，保留已有有效数据：

import pandas as pd

# 构建postal_code与region的映射字典
postal_region_map = df_1.set_index('postal_code')['region'].to_dict()

# 填充df_2中缺失的region
df_2['region'] = df_2['region'].fillna(df_2['postal_code'].map(postal_region_map))

方法2：使用merge合并填充 #

通过左连接合并两个数据集，提取匹配到的region值填充原数据，适合需要查看匹配关系的场景：

import pandas as pd

# 左连接df_2和df_1，基于postal_code，添加后缀区分重复列
merged_data = df_2.merge(df_1, on='postal_code', how='left', suffixes=('', '_df1'))

# 用df_1的region填充df_2的缺失值
df_2['region'] = df_2['region'].fillna(merged_data['region_df1'])

# 可选：清理临时合并生成的列
merged_data.drop('region_df1', axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者Patrik