如何在id匹配时将DataFrame的redness列值复制到另一个DataFrame

首先要注意：你的两个DataFrame里id的数据类型不统一——df_p的id是字符串（比如'2'），df_c的id是整数（比如2），直接匹配会对应不上，得先统一类型。

下面提供两种可行的实现方式：

方式一：用merge（推荐用于复杂数据结构） #

merge能自动处理df_c里的重复id，并且保留df_c的所有行，匹配不到的会显示NaN（后续可按需填充）。

import pandas as pd

# 你的原始数据
lst_p = [['2', 0], ['3', 1], ['4', 0], ['5', 0]]  
df_p = pd.DataFrame(lst_p, columns=['id', 'redness'])

lst_c = [['apple', 2], ['orange', 2], ['banana', 3], ['kiwi', 4], ['cherry', 5]]  
df_c = pd.DataFrame(lst_c, columns=['name', 'id'])

# 统一id类型：把df_p的id转为整数（也可以把df_c的id转成字符串，效果一样）
df_p['id'] = df_p['id'].astype(int)

# 左连接合并，保留df_c所有行，匹配对应redness值
df_c = df_c.merge(df_p, on='id', how='left')

执行后df_c的结果：

方式二：用map（适合简单匹配场景） #

先把df_p转成id到redness的映射字典，再给df_c新增列做映射：

# 统一类型后生成映射字典
redness_map = df_p.astype({'id': int}).set_index('id')['redness'].to_dict()

# 给df_c新增redness列
df_c['redness'] = df_c['id'].map(redness_map)

这个方法得到的结果和merge完全一致，若df_c里有df_p没有的id，对应位置会显示NaN。

额外提示 #

• 如果需要处理匹配不到的id，可以用fillna()设置默认值，比如df_c['redness'] = df_c['redness'].fillna(-1)。
• 要是df_p里存在重复id，merge会返回多对多的结果，map则会取最后一次出现的redness值，根据你的实际需求选择即可。

内容的提问来源于stack exchange，提问作者Anelor Guinet