如何在Pandas中基于退货表为订单表新增状态标记列？

问题背景 #

有两个超市销售相关的DataFrame：df_orders（订单数据）和df_returns（退货数据），两者都包含Order ID列，且df_returns行数少于df_orders。需要在df_orders中新增一列，规则为：若订单ID存在于df_returns中则标记为Returned，否则标记为Not returned。

用户尝试的代码运行后所有订单都显示Not returned，但实际存在匹配的订单ID，需修正代码。

示例数据：

import pandas as pd
import numpy as np

# 示例订单数据
df_order_dict = {'City':['Prior Lake','Chicago','NY','Prior Lake', 'Round Rock'],
                 'Order ID':[86838 ,90154,15000,10000, 12447]}
# 示例退货数据
df_return_dict = {'Order ID':[90154, 86838 ],
                  'Returned':['Returned', 'Returned']}

df_orders = pd.DataFrame.from_dict(df_order_dict)
df_returns = pd.DataFrame.from_dict(df_return_dict)

用户尝试的错误代码：

excel_path = r'C:\Users\Korisnik\Desktop\PythonFiles\Omega\SuperStoreUS.xlsx'
df = pd.read_excel(excel_path, sheet_name=None)

df_order = df.get('Orders')
df_returns = df.get('Returns')
df_users = df.get('Users')

df_n.reset_index(drop=True)
df_returns.reset_index(drop=True)
df_n['Status'] = np.where( df_n['Order ID'].equals(df_returns['Order ID'])  and df_returns["Status"] == "Returned", "Returned", "Not returned")

错误原因 #

1. 逻辑错误：df_n['Order ID'].equals(df_returns['Order ID'])是判断整列数据是否完全一致，而非逐个订单ID是否存在于退货列表中，和需求完全不符。
2. 变量名错误：代码中使用了未定义的df_n，应为df_order。
3. 冗余操作：reset_index(drop=True)未赋值回原变量，属于无效代码。

正确解决方案 #

方法1：使用isin()（推荐，简洁高效） #

先提取df_returns中的所有退货订单ID，再用isin()判断每个订单是否在退货列表中，最后用np.where生成标记列。

针对示例数据的代码：

# 提取退货订单ID列表
returned_order_ids = df_returns['Order ID']
# 新增Status列
df_orders['Status'] = np.where(df_orders['Order ID'].isin(returned_order_ids), 'Returned', 'Not returned')

针对用户实际Excel数据的修正代码：

import pandas as pd
import numpy as np

excel_path = r'C:\Users\Korisnik\Desktop\PythonFiles\Omega\SuperStoreUS.xlsx'
# 读取所有sheet
df_sheets = pd.read_excel(excel_path, sheet_name=None)

df_order = df_sheets.get('Orders')
df_returns = df_sheets.get('Returns')

# 提取退货订单ID
returned_ids = df_returns['Order ID']
# 生成标记列
df_order['Status'] = np.where(df_order['Order ID'].isin(returned_ids), 'Returned', 'Not returned')

方法2：使用merge左连接 #

通过左连接将退货数据合并到订单数据中，再根据合并结果填充标记。

示例代码：

# 左连接订单和退货数据，只保留Order ID和合并标记
merged_df = df_orders.merge(df_returns[['Order ID']], on='Order ID', how='left', indicator=True)
# 根据_merge列判断是否存在退货记录
df_orders['Status'] = merged_df['_merge'].map({'both':'Returned', 'left_only':'Not returned'})

验证结果 #

运行正确代码后，示例df_orders的Status列结果为：

内容的提问来源于stack exchange，提问作者Aleksandra Milicevic